그리드마인드: LLM 기반 다중정밀도 자동 연결 영향 평가 에이전트

본 논문은 전력 시스템 신규 연결 요청을 자동화하고, 인간 전문가가 수행하던 복잡한 연결 영향 평가(CIA)를 LLM 기반 에이전트인 “그리드마인드”로 대체하는 방법을 제시한다. 먼저, 전력 시스템 운영에서 연결 대기열이 병목 현상이 되고 있다는 배경을 설명하고, 기존 연구가 자연어 인터페이스와 실제 시뮬레이션 실행을 연결하지 못한 한계를 지적한다. 그리드마인드의 아키텍처는 네 개의 레이어로 구성된다. ① 인터페이스 레이어는 FastAPI 기반 REST 엔드포인트와 웹 대시보드로 사용자 입력을 받는다. ② 에이전트 레이어는 11개의 도구(steady‑state PF, N‑1, transient, EMT 등)를 레지스트리화하고, LLM이 이 도구들을 호출하도록 설계한다. ③ 시뮬레이션 레이어는 Solver‑Agnostic 추상 클래스(GridSolver ABC)를 통해 PandaPower, ANDES, ParaEMT, PSS/E 등 네 가지 백엔드 어댑터를 지원한다. ④ 위반 검사기 레이어는 NERC TPL‑001 기준을 기반으로 전압, 열 부하, SCR 등 물리적 한계를 검증하고, 하드 위반과 경계 위반을 구분한다. LLM‑first 설계는 LLM이 대화 기록(H)과 메모리(M), 교훈(L)을 포함한 시스템 프롬프트를 구성하고, 이를 기반으로 최대 5번의 도구 호출을 연쇄한다. 도구 호출 전에는 두 가지 안전 가드레일이 적용된다. 첫 번째는 “용량 질문 강제 라우팅”으로, 수치 예측이 필요하면 반드시 정량적 시뮬레이션을 거치게 한다. 두 번째는 “필수 입력 검증”으로, 버스 번호, 용량, IBR 여부 등 핵심 파라미터가 누락되면 LLM이 명확히 질문을 재요청한다. 다중 정밀도 파이프라인은 f₁(steady‑state), f₂(N‑1), f₃(transient), f₄(EMT) 순으로 진행되며, 각 단계는 전력 시스템 특성에 따라 조건부로 활성화된다. 예를 들어 IBR(인버터 기반 자원) 요청이면 f₃와 f₄가 추가로 실행된다. 각 단계의 통과 여부는 위반 검사기의 결과에 따라 결정되며, 최종 보고서는 단계별 결과와 위반 상세 정보를 포함한다. 또한, “이진 용량 탐색” 도구를 제공해 특정 버스에 허용 가능한 최대 MW를 자동으로 찾는다. 이는 이분 탐색을 이용해 CIA를 반복 실행하고, 모노톤성 위반이 감지되면 보조 스캔을 수행해 최적 용량을 산출한다. 결과는 메모리에 영구 저장돼 이후 조회 및 교훈 생성에 활용된다. 교훈 피드백 루프는 에이전트가 실패(예: 잘못된 도구 선택, 위반 미탐지)하면 해당 로그를 “Lesson” 객체에 저장하고, 다음 대화 시 시스템 프롬프트에 삽입한다. 이를 통해 모델 파라미터를 재학습하지 않고도 오류 재발을 방지한다. 실험에서는 DeepSeek‑V3(2026‑02‑23) 모델을 사용해 IEEE 118‑bus 시스템의 50가지 시나리오를 전부 실행했다. 도구 선택 정확도는 84 %였으며, 파싱 정확도는 100 %를 기록했다. 자체 교정 테스트(56 시나리오)에서는 49건을 성공적으로 통과해 87.5 % 성공률, 평균 점수 89.3을 달성했다. 이러한 결과는 그리드마인드가 복잡한 전력 시스템 분석을 자동화하면서도 높은 신뢰성을 유지할 수 있음을 보여준다. 마지막으로 논문은 향후 연구 방향으로 도구 레지스트리 확장, 실시간 운영 적용, 규제 기준 자동 업데이트, 그리고 다른 전력 시스템 시뮬레이터와의 연동을 제시한다. 그리드마인드는 전력 시스템 자동화와 AI 기반 의사결정 지원 분야에서 중요한 이정표가 될 것으로 기대된다.