전력 수요 예측 LSTM 모델

3인 팀 프로젝트로, 기상청 ASOS(103개 지점) 대신 5배 많은 510개 지점을 가진 AWS 방재기상관측 데이터를 활용했습니다. AWS는 일조·일사·초상온도·지면온도·지중온도 등을 추가로 관측해 ASOS 대비 더 촘촘한 지역별 신호를 얻을 수 있었고, 두 데이터를 비교 분석한 뒤 AWS 데이터의 결측치를 처리하고 포맷을 통일했습니다.

모델은 과거와 미래 정보 흐름을 모두 활용하는 Bidirectional LSTM으로 설계하고, 각 레이어에 Dropout을 적용해 과적합을 방지했으며 TimeDistributed로 시간 축의 일관성을 확보했습니다. 5분 단위로 7일치 데이터를 입력해 이후 6시간의 전력 수요량을 예측하도록 했고, 최종적으로 MAPE 0.53%를 달성했습니다.

팀에서 데이터 수집과 모델 설계, 프로젝트 리딩을 맡았고, 급증·급락하는 전력 수요가 SMP(전력 도매가)에 미치는 영향을 함께 분석해 이동식 운영으로 에너지 손실과 발전 시설 피로도를 줄일 수 있다는 결론도 도출했습니다.