태양광 발전과 전기차 충전, 히트펌프 수요가 겹치면 저전압 배전망의 전압과 설비 한계가 빠르게 압박받는다. 2026년 7월 17일 arXiv에 공개된 프리프린트는 부분 관측, 측정 잡음, 계통 모델 불일치가 강화학습 기반 혼잡 제어에 어떤 영향을 주는지 점검했다. 상용 서비스나 현장 배치 결과가 아니라 실제 계통 토폴로지 위에 합성 운전 시나리오를 얹은 연구다.
제안 구조는 위반 가능성을 예측하는 랜덤포리스트 분류기와 큐어테일먼트 행동을 고르는 액터-크리틱 제어기로 나뉜다. 가용 버스의 10%만 관측·제어할 수 있게 설정했고, 독일 Schleswig-Holstein Netz AG의 저전압망 토폴로지에 SimBench 미래 프로파일을 배정했다. 15분 간격 1년 시뮬레이션으로 운전점 3만5,040개를 만들었다.
정확한 계통 파라미터와 무잡음 조건에서 평균 위반 크기는 3.0×10⁻³p.u.에서 3.2×10⁻⁵p.u.로 줄었고, 위반 건수는 726건에서 60건으로 감소했다. 잡음 강도를 높인 조건에서도 위반 크기 감소율은 98%대였다고 보고됐다. 이 결과는 제한된 관측만으로도 제안한 2단계 제어가 다수의 위반을 완화할 수 있음을 보여준다.
반면 계통 파라미터가 실제와 어긋난 조건에서는 감소율이 79.6%로 낮아지고 잔여 위반이 301건으로 늘었다. 사전 분류기를 쓰지 않은 비교군은 같은 불일치 조건에서 잔여 위반 176건을 기록했다. 불일치 조건의 거짓음성도 119건으로 증가해, 예측 단계의 오류가 전체 제어 성능을 제한할 수 있다는 점이 드러났다.
따라서 이 연구는 강화학습 제어가 잡음에는 비교적 견고할 수 있지만 잘못된 계통 모델에는 더 취약하다는 경계를 제시한다. 결과는 하나의 실제 토폴로지와 합성 미래 시나리오에서 얻은 프리프린트 성과다. 실제 배전망 적용 전에는 다양한 망 구조, 통신 지연, 설비 제약과 안전 규칙을 포함한 독립 검증이 필요하다.
저작권자 © STORIUM 무단전재 및 재배포 금지
