2025 Electricity Consumption Prediction AI Competition

안녕하세요, 2025 전력사용량 예측 AI 경진대회에 참여했던 SKKU brAIn 팀입니다. 저희가 개발한 솔루션의 발표 자료와 소스 코드를 공유합니다.

저희 솔루션의 핵심은 정교한 특징 공학(Feature Engineering)을 바탕으로, XGBoost를 이용한 다중 모델링과 계층적 앙상블 기법을 적용한 것입니다. 먼저 이상치를 제거한 데이터에서 시간의 주기성을 반영하는 sin/cos 변수, 냉방부하(CDH)와 불쾌지수(THI) 같은 복합 기상 지수, 그리고 과거 전력 소비 패턴을 나타내는 통계 변수들을 생성했습니다.

이렇게 생성된 특징들을 활용하여 전체 데이터를 한 번에 학습하는 단일 모델, 건물 유형별 모델, 100개 건물 각각을 학습하는 개별 모델, 그리고 전력 소비 패턴이 유사한 건물 그룹별 모델 등 총 4가지 접근법으로 모델링을 진행했습니다. 이후 각 모델의 예측 결과를 가중 평균하고, 여러 개의 다른 Random Seed로 학습한 결과들을 다시 한번 평균하는 2단계 앙상블을 통해 예측의 정확성과 안정성을 높였습니다. 마지막으로, 예측 기간이 여름 휴가철인 점을 고려하여 특정 건물의 예측값을 과거 유사 기간의 데이터로 보정하는 후처리 과정을 거쳐 최종 결과를 도출했습니다.

솔루션 코드 및 outlier.xlsx 파일 등 관련 자료에 대한 질문은 gms5560@g.skku.edu로 메일 주시기 바랍니다.

감사합니다.