연구진이 딥 신경망(DNN)과 설명 가능 인공지능(XAI) 기법을 결합해 유럽 여러 전력 입찰 구역의 가격 결정 요인을 분석한 연구를 발표했다. 전력 시장은 강한 비선형성과 고차원 상호작용, 지역 간 상호의존성이 특징인 복잡계로, 딥러닝이 예측 성능은 우수하지만 가격 형성의 근본 원인을 이해하는 데는 해석 가능성이 부족하다는 한계가 있었다. 이 연구는 그 간극을 SHAP(SHapley Additive exPlanations) 기반 XAI 기법으로 채웠다.
분석 결과, 재생에너지 중 특히 태양광 발전이 총 발전량에서 차지하는 비중에 비해 전력 가격 형성에 불균형적으로 큰 영향을 미치는 것으로 나타났다. 가스 가격은 유럽 전력 시장 전반에 걸쳐 일관되게 지배적인 가격 결정 변수로 확인됐다. 또한 전력망 상호연계(interconnection)가 가격 역학을 크게 형성하며 유럽 전력 시스템의 강한 상호의존성을 드러냈다. 연구진은 고차원 환경에서 해석 가능성을 높이기 위해 SHAP 기반의 집계 분석 기법을 확장 적용했다.
이 연구에서는 반사실적(counterfactual) 시나리오도 탐구했다. 유럽 전체를 단일 가격을 가진 통합 시장으로 가정한 합성 EU 전역 전력시장을 구성해, 시장 완전 통합 시 가격 역학이 어떻게 달라지는지 분석했다. 이를 통해 현재 지역별로 분절된 시장 구조가 가격 변동성에 미치는 영향을 정량적으로 살펴볼 수 있는 기반을 마련했다.
이 연구는 AI 기반 에너지 시장 분석이 단순 예측을 넘어 정책 결정에 필요한 인과적 이해를 제공할 수 있다는 가능성을 보여준다. 재생에너지 비중이 높아지는 유럽 전력 시장에서 태양광과 가스 가격 변동이 전체 시장 가격 안정성에 미치는 영향을 파악하는 데 XAI 기법이 유용한 도구로 작동할 수 있다는 점에서 에너지 정책 연구자들의 관심을 끌 것으로 보인다.
