혁신적인 전력 시스템 운영 프레임워크 LAPSO: AI와 최적화의 만남

본 기사는 Wangkun Xu, Zhongda Chu, Fei Teng 세 연구자가 개발한 LAPSO 프레임워크에 대해 소개합니다. LAPSO는 재생에너지 시대의 전력 시스템 운영 문제를 해결하기 위한 혁신적인 솔루션으로, 머신러닝과 모델 기반 최적화를 통합하여 안정적이고 효율적인 전력 시스템 운영을 가능하게 합니다. Python 패키지 또한 제공되어 접근성이 높다는 점이 특징입니다.

재생에너지 시대의 도전과 기회:

전 세계적으로 재생에너지원(태양광, 풍력 등)의 비중이 높아짐에 따라 전력 시스템 운영에 큰 변화가 일어나고 있습니다. 기존의 모델 기반 전력 시스템 운영 방식은 이러한 변화에 완벽히 대응하지 못하고, 경제적이고 안정적이며 견고한 의사결정을 내리는 데 어려움을 겪고 있습니다. 예측 불가능한 재생에너지 발전량 변동은 전력 시스템의 안정성을 위협하는 주요 요인 중 하나입니다.

AI의 등장과 LAPSO의 탄생:

이러한 문제를 해결하기 위해 머신러닝이 떠오르고 있습니다. 복잡한 전력 시스템의 역동적인 변화를 포착하고 예측하는 데 강력한 도구로 활용될 수 있기 때문입니다. 그러나 기존의 머신러닝 기반 접근 방식은 종종 기존의 모델 기반 방법들과 체계적으로 통합되지 못하는 한계를 가지고 있습니다. 바로 여기서 Wangkun Xu, Zhongda Chu, Fei Teng 세 연구자의 혁신적인 연구가 빛을 발합니다. 그들은 Learning-Augmented Power System Operations (LAPSO) 라는 새로운 프레임워크를 제안했습니다. LAPSO는 '랩소'라고 발음하며, 전력 시스템 운영의 다양한 단계를 통합하고 머신러닝과 모델 기반 최적화의 장점을 결합하는 것을 목표로 합니다.

LAPSO의 핵심:

LAPSO의 핵심은 통합적 최적화 관점입니다. 예측, 운영, 제어와 같은 시간적으로 분리된 전력 시스템 작업 간의 경계를 허물고, 학습 및 추론 단계 모두에서 머신러닝과 모델 기반 최적화의 목표를 통합합니다. 이는 기존 방식의 단점을 극복하고 보다 효율적이고 안정적인 전력 시스템 운영을 가능하게 합니다.

실제 적용과 결과:

연구진은 LAPSO를 안정성 제약 최적화(SCO) 및 목표 기반 예측(OBF)과 같은 새로운 통합 알고리즘 설계에 적용하여 그 효과를 입증했습니다. 또한, 다양한 불확실성의 원인을 종합적으로 추적할 수 있는 end-to-end 추적 기능을 제공합니다. 더욱 놀라운 것은, 연구진이 lapso라는 전용 Python 패키지를 개발하여 기존의 전력 시스템 최적화 모델에 학습 가능한 구성 요소를 자동으로 추가할 수 있도록 지원한다는 점입니다. 이를 통해 전력 시스템 운영에 AI를 적용하는 과정이 훨씬 간편해졌습니다. 소스 코드와 데이터는 GitHub (https://github.com/xuwkk/lapso_exp)에서 공개되어 있습니다.

결론:

LAPSO는 재생에너지 시대의 전력 시스템 운영에 새로운 패러다임을 제시하는 혁신적인 프레임워크입니다. AI와 최적화의 시너지를 통해 더욱 안정적이고 효율적인 전력 시스템 운영을 가능하게 할 뿐만 아니라, 전력 시스템 분야의 연구 및 개발에 큰 영향을 미칠 것으로 기대됩니다. 개발된 Python 패키지를 통해 접근성 또한 높아져, 향후 전력 시스템 운영의 지능화에 크게 기여할 것으로 예상됩니다.