Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 DNN과 XAI 기술을 결합하여 유럽 전력 시장의 복잡한 가격 결정 요인을 분석합니다. SHAP과 SSHAP을 활용해 재생 에너지와 가스 가격, 국가 간 상호 연결성이 전력 가격에 미치는 영향을 정량적으로 규명합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기전력 시장은 강한 비선형성(nonlinearities), 고차원적 상호작용(high-dimensional interactions), 그리고 지역 간 증가하는 상호 의존성(interdependence)을 특징으로 하는 본질적으로 복잡한 시스템입니다. 심층 신경망 (DNNs)은 전력 가격에 대해 강력한 예측 능력을 입증해 왔으나, 해석 가능성(interpretability)의 부족으로 인해 가격 형성의 근본적인 동인(drivers)을 이해하는 데 활용되는 데 한계가 있습니다. 본 논문은 39개 유럽 입찰 구역(bidding zones) 전반의 전력 가격 결정 요인을 분석하기 위해 DNN 모델과 설명 가능한 인공지능 (XAI) 기술을 결합함으로써 이러한 격차를 해소합니다. 우리는 특성 기여도(feature contributions)를 정량화하기 위해 SHAP (SHapley Additive exPlanations)을 사용하며, 고차원 환경에서 해석 가능성을 향상시키기 위한 집계 프레임워크인 SSHAP을 적용 및 확장합니다. 분석 결과, 재생 에너지원, 특히 태양광은 전체 발전량에서 차지하는 비중이 낮음에도 불구하고 가격 형성에 불균형적으로 중요한 역할을 한다는 것을 확인했습니다. 가스 가격은 전력 시장 전반에 걸쳐 지배적이고 일관된 동인으로 남아 있는 반면, 상호 연결(interconnections)은 가격 역학(price dynamics)을 크게 형성하며 유럽 전력 시스템의 강력한 상호 의존성을 강조합니다. 또한, 단일 가격을 가진 완전히 통합된 시장이라는 반사실적 시나리오(counterfactual scenario)를 탐색하기 위해 합성된 EU 전역 전력 시장을 구축하였습니다.