PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.14024v1cs.LG

효율적인 래퍼 기반 특징 선택을 통한 풍력·태양광 발전 예측 개선: 실증 연구

Improving Wind and Solar Power Prediction with Efficient Wrapper-based Feature Selection: An Empirical Study

전 세계 에너지 수요 증가와 기후 변화 및 그 영향에 대한 인식 확대에 따라, 재생 에너지가 전 세계 에너지 믹스에서 차지하는 비중은 계속 증가하고 있다. 기존 발전 방식과 달리, 재생 에너지원의 출력은 환경 조건에 대한 의존성 때문에 일관되게 제어할 수 없다. 따라서 현재 및 미래 에너지 생산을 신뢰성 있게 예측하는 것이 필수적이다. 본 논문에서는 실제 재생 에너지 예측 과제에 대한 두 가지 구조화된 문헌 검토의 결과를 보고한다: 풍력 터빈 출력 곡선 모델링과 광전(photovoltaic) 발전 예측. 전자에 대해서는 우리가 직접 포괄적인 문헌 검토를 수행하였고, 후자에 대해서는 기존 설문 조사를 바탕으로 자주 선택되는 입력 특징에 관한 핵심 발견 사항을 종합한다. 두 영역 모두에서, 우리의 분석은 이용 가능한 모니터링 및 환경 변수가 많음에도 불구하고 특징 선택을 위한 방법이 제한적이거나 체계적이지 않다는 것을 보여준다. 이 간극을 해소하기 위해, 우리는 재생 에너지 예측 파이프라인에서 자동적이고 효율적이며 신뢰할 수 있는 특징 선택을 위한 새로운 모델 불가지(model-agnostic) 클러스터링 기반 래퍼 방법인 클러스터 기반 순차 특징 선택(Cluster-based Sequential Feature Selection, CSFS)을 제안한다. 재현성과 재사용을 지원하기 위해 GitHub에 CSFS의 오픈소스 구현을 제공한다. 우리는 두 사용 사례에서 제안한 방법을 실증적으로 평가하고, 래퍼 기반 순차 특징 선택(SFS), 필터 기반 방법, Random Forest의 내장형(embedded) 특징 중요도와 같은 기존 특징 선택 기법과 비교한다. 결과는 래퍼 기반 방법이 전반적으로 더 우수한 성능의 특징 선택을 제공함을 보여준다. CSFS는 SFS와 유사한 예측 성능을 달성하면서 계산 비용을 평균 21% 감소시킨다.

arXiv:2607.10201v1eess.SY

선진 경제와 신흥 경제에서의 사회적으로 공정한 재생에너지 예산 배분 MDP 정책 비교

Comparing Socially-Equitable Renewable Energy Budget Allocation MDP Policies in Mature and Emerging Economies

공정한 재생에너지 계획은 순차적 의사결정 문제이지만, 공공 계획자가 활용할 수 있는 의사결정 변수는 선진 경제와 신흥 경제 간에 크게 다르다. 선진 경제에서는 정부가 주로 발전 설비를 직접 구축하는 반면, 신흥 경제에서는 인센티브와 할당제를 통해 민간 투자를 유도한다. 우리는 사회적으로 공정한 재생에너지 예산 배분을 마르코프 결정 과정(MDP)으로 정식화하고, 문제에 종속되지 않는 단일 솔버 인터페이스를 사용하여 두 환경, 즉 미국 8개 도시(선진 경제)와 인도네시아 서자바(신흥 경제)에서 동일한 정책들을 비교한다. 결과에 따르면, 두 환경 모두에서 후퇴 지평선 가치 반복(receding-horizon value-iteration) 정책이 우세하다. 미국에서는 재생에너지 보급률 66%를 달성하는 동시에 서비스 부족 저소득 인구를 무작위 기준선 대비 96% 감소시킨다. 서자바에서는 저접근성 격차를 해소하면서 가장 많은 민간 자본을 유입시킨다. 더 흥미롭게도, 미국에서는 약간 준최적(sub-optimal)에 불과한 단순한 시장 추구 휴리스틱(market-chasing heuristic)이 인도네시아에서는 모든 저접근성 지역을 소외시켜 파국적인 결과를 초래할 수 있는데, 이는 계획자가 민간 개발자를 통해 행동할 때 매력적인 시장을 추구하는 목표와 소외 계층에 서비스를 제공하는 목표가 괴리되기 때문이다.