태양광 예측 / 집합자원 최적화

DSC6 연구 현황

현황을 불러오는 중

현재 작업과 자원 현황

실행 기록을 연결하는 중

진행 기록 연결 중
Windows RAM연결 중
커밋 메모리연결 중
GPU VRAM / 연산 사용률연결 중
호스트 CPU / WSL 메모리연결 중

현재 표본을 기다립니다. 지난 학습의 자원 값을 현재 사용량으로 표시하지 않습니다.

남은 작업과 실행 순서

계획을 연결하는 중

계획 단계 완료미확인
남은 단계미확인
실행 중인 단계미확인무거운 연산은 동시에 최대 1개
후속 연구 후보미확인현재 실행 단계와 구분
전체 단계와 다음 실행 이유 보기

    실행 상태확인 중학습, 검증, 추론과 종료를 구분합니다.
    Epoch확인 중
    Iteration / 현재 epoch 배치확인 중
    예상 남은 시간계산 중

    Train evalValid

    Epoch별 실측 값 보기
    EpochTrain L1Valid L1

    곡선은 각 epoch 종료 시 같은 모델의 eval 모드에서 측정한 값만 표시합니다. Valid가 나오기 전에는 보간하거나 예상값으로 채우지 않습니다. 완료된 Transformer T11과 T13도 위 선택 목록에서 확인할 수 있습니다.

    공개 집계는 45초 간격으로 전송하고 화면은 15초마다 새 집계를 확인합니다. 전달 경로의 캐시로 지연될 수 있어 게시 시각과 실제 진행 기록 시각을 분리합니다. 게시가 60초 이상 지연되면 마지막 표본임을 표시합니다. 실제 작업 진행과 자원 측정 시각은 각각 따로 확인합니다.

    현재 성과

    기반 검증
    검증 정산 페널티 W미측정리더보드 점수와 구분해 표시
    발전소 / 총 설비용량253 개소42,655.370 kW / 두 집합 각각 20 MW 이상
    전체 발전소 완전 관측3,802 시간2024.12.24 이후 / 계절 편향 검증 필요
    최종 검증 구간라벨 봉인5월 팀 집계 간접 노출 기록 / 자동 모델 선택 제외

    지금 하는 일

    데이터와 검증 환경 준비

    최적화 목표

    수익 S = 매전수익 − W

    W = 0.1 × Σ SMP × k × 집합 절대오차

    예측 개선과 배분 개선의 효과를 분리해 측정합니다.

    연구 현황 한눈에 보기

    검토 집계 연결 중
    2월 정산 평가 모델확인 중같은 253개소와 참조 배분
    가설과 실행 기록확인 중모델 수와 구분한 감사 이력
    겨울 잠정 기준E02연간 일반화는 아직 미확인

    실행 중 여부는 페이지 위쪽의 현재 작업에서 확인합니다.

    두 모델 비교Transformer / CNN 곡선월별 오차 지도순차 실험 계획

    두 모델을 같은 조건에서 비교

    정산 W / 낮을수록 좋음

    기간A 기준 W (원)B 후보 W (원)B 변화율

    배분만 바꿔 줄일 수 있는 폭의 상한

    위에서 고른 월의 동결 예측입니다. 모든 잔차를 합친 절댓값은 두 집합의 절대오차 합보다 작거나 같습니다. 용량 제약과 모든 시간에 하나의 배분을 쓰는 조건까지 고려하면 실제 이득은 더 작을 수 있습니다.

    파랑: 이론 하한 노랑: 하한까지 남은 차이

    모델현재 W와 하한현재 W (원)이론 하한 (원)최대 여지 (원 / 비율)

    하한은 찾은 배분이나 달성한 개선이 아닙니다. 이 하한이 E02의 실제 W보다 높다면 해당 고정 예측을 배분 변경만으로 E02보다 좋게 만들 수 없습니다.

    모델 순위

    순위모델정산 S (원)페널티 W (원)1위 대비 W절대오차 합계 (kWh)공식 정규화 점수공통 관측

    정규화 점수는 공식 기준선 확인 전입니다. 1위 대비 W 변화율과 다른 값입니다.

    모델 구조와 입출력

    실행한 모델과 미실행 후보 구분

    모델을 선택하면 입력, 학습 목적, 출력 변환과 저장 상태를 볼 수 있습니다. 가중치 파일은 공개하지 않습니다. 근거 경로와 해시는 로컬 또는 비공개 저장소에서 재검토할 때 사용합니다.

    다음 비교 후보와 제외한 방법

    가설과 행동 근거

    검토용 집계 JSON

    기대 → 반증 조건 → 관찰 → 판단 → 다음 행동의 이유를 연결합니다. 실행 전 가설과 결과를 본 뒤의 정리를 구분합니다. 원본 실행 기록은 보존하고 이 판단 기록의 변경은 Git으로 추적합니다.

    어느 시간에 정산 오차가 쌓이는가

    E02 / 참조 배분

    실제 정산 페널티 W를 월과 시간대별로 합산했습니다. 색이 진할수록 금액이 큽니다. 1월과 2월에 같은 색 눈금을 적용합니다.

    각 열은 우측닫힘 구간의 끝 시각입니다. 24시는 23~24시이며 노란 밑줄은 k=3인 11~15시입니다. 관측 기여도는 원인이나 해당 시간을 제거했을 때의 개선량을 뜻하지 않습니다.

    데이터 진단

    전처리와 오류 구조부터 확인

    아래 기여도는 L1 모델의 2025년 2월 개발 검증과 참조 배분 기준입니다. 서로 겹치는 분류이므로 비율을 합산하지 않습니다. 원인이나 제거 효과를 뜻하지 않습니다.

    예보 불일치와 집합 편향

    같은 동결 모델의 1월과 2월 진단입니다. 2월은 이미 탐색한 개발 검증 구간이며 인과 효과나 독립 성능 검증이 아닙니다.

    예보 차이에 따른 오차

    2025년 1월2025년 2월

    행 수와 정산 기여 보기
    월 / 차이발전소-시간정규화 MAEW 기여

    두 원 예보가 있는 행만 수치 구간에 포함합니다. W 기여는 오차 상쇄를 반영한 회계적 분해이며 음수도 가능합니다. 구간을 제거했을 때의 개선량이 아닙니다.

    그룹별 시간대 편향

    2025년 1월2025년 2월

    (예측 − 실적) / 그룹 설비용량. 양수는 과대 예측입니다. 각 시간대에 1월 31일, 2월 28일을 집계했습니다. 시각은 구간 끝입니다.

    A그룹 2월 15시는 평균이 음수지만 가격 가중 중앙값은 양수입니다. 평균을 빼는 보정이 절대오차 정산에 최적인 것은 아닙니다. 보정값을 적용하지 않았습니다.

    낮 0실적의 빈도와 지속성

    월낮 0실적전체 W 기여하루 전체 0

    낮은 태양고도 10도 초과입니다. 하루 전체 0은 낮 관측이 4시간 이상이고 모두 0인 발전소-일 수입니다. W 기여는 오차 상쇄를 반영하며 제거 효과가 아닙니다.

    2025년 1월2025년 2월

    같은 발전소와 같은 대상일 안에서 이어지는 0실적의 연속 구간 수입니다. 밤을 넘어 이어 붙이지 않습니다.

    눈 덮임, 설비 정지와 통신 문제는 원인이 미확정인 가설입니다. 실적을 삭제하거나 모델을 다시 학습하지 않았습니다.

    개선의 불확실성

    진단 준비 중

    평균 예측의 상쇄와 다음 달 결과

    2025년 1월2025년 2월

    기존 L1 모델 대비 W 변화율. 음수는 개선, 양수는 악화입니다. 기준은 17시 LightGBM, L1은 다중 예보 LightGBM, Cat은 CatBoost입니다.

    고정 평균2월 WL1 대비개선 일수

    쌍은 절반씩, 셋은 1/3씩인 네 조합을 분석 전에 고정했습니다. 2월 비율 튜닝이나 새 학습은 하지 않았고 기존 L1과 참조 배분을 유지합니다. 이미 탐색한 개발 구간이므로 독립 검증이 아닙니다.

    원자료 감사

    검증 이력입니다. 원본을 다시 읽지 않은 갱신은 새 무결성 검사로 간주하지 않습니다.

    월별 전체 관측 비율

    미관측 발전량을 0으로 채우지 않습니다. 눈, 음영, 고장으로 보이는 저출력도 실제 목표값일 수 있어 일괄 삭제하지 않습니다.

    학습과거 발전소 이력
    조기 종료12월 / 2월
    구성 학습1월 / 3월
    후속 검증2월 / 4월
    봉인 검증5월

    겨울과 봄의 시계열 분할입니다. 현재 완료 모델은 겨울 분할만 있습니다. 여름의 253개소 완전 관측이 없어 연간 일반화는 확인되지 않았습니다.

    Transformer와 CNN 학습 경로 비교

    실시간 실행 기록

    모두 같은 겨울 분할의 seed 17, FP32 실행입니다. 각 epoch 종료 시 eval 모드의 실측값만 표시하며 큰 점은 12월 Valid로 선택한 모델입니다. 낮은 발전소 L1이 더 좋은 집합 W를 보장하지 않습니다.

    T11 Transformer / 날짜 고정T13 Transformer / 날짜 순서 변경C01 dilated CNNH02A 최대 epoch 연장H02B patience 연장

    세로축은 각 그래프의 관측 범위로 확대하며 두 그래프의 축 범위가 다릅니다. 큰 점은 선택된 epoch입니다. H02A의 1~4 epoch와 H02B의 1~6 epoch는 부모 모델에서 이어받은 기록입니다. 새로 학습한 횟수와 누적 횟수는 아래에서 구분합니다.

    Train eval

    가로축 epoch / 세로축 가중 L1

    12월 Valid

    Train과 Valid는 서로 다른 세로축 눈금입니다.

    모든 실측 값과 선택 epoch 보기
    모델EpochTrain evalValid학습부 누적 경과Seed

    학습 best와 정산 best가 같은가?

    검토된 정산 비교를 불러옵니다.

    W는 2024년 12월 24일 15시부터 30일 17시까지 147시간, 약 6.1일의 원래 실적을 사용합니다. 기존 L1은 더 넓은 기간의 학습 적격 라벨 70,146개를 사용합니다. 기간과 라벨도 달라 손실함수 하나의 효과로 해석하지 않으며 모델을 자동 승격하지 않습니다.

    공통 253개소 정산 W

    가로축 epoch / 세로축 백만원, 낮을수록 좋음

    기존 선택용 가중 L1

    기존 기록과 대조. W와 눈금 및 모집단이 다름

    13개 epoch의 S, W와 절대오차 보기
    Epoch기존 L1S / 원W / 원절대오차 / kWh

    새 학습과 HPO는 없었습니다. 고정 참조 배분과 원래 라벨로 계산했으며 Decimal 독립 산술과 대조했습니다. 1월/2월 리더보드와 별도 진단입니다.

    같은 기간으로 맞춰도 선택이 다른가?

    검토된 같은 모집단 비교를 불러옵니다.

    비교 단계시간 범위사용 라벨선택 epoch

    A와 B는 기간, B와 C는 학습용 라벨 필터를 바꿉니다. C와 D는 같은 147시간의 같은 실적과 예측을 사용하고 그룹 합산만 바꿉니다. 발전소별 비용은 대회 W가 아닙니다. 상쇄액은 고정 참조 배분 안에서 일어난 회계적 차이이며 새 배분의 개선 실적이 아닙니다.

    13개 epoch의 같은 기간 비용과 상쇄액 보기
    EpochA / 전체 적격 L1B / 공통 적격 L1C / 공통 원래 L1C / 발전소 비용, 원D / 집합 W, 원그룹 내부 상쇄, 원

    실행 예산과 메모리 관측

    모델파라미터완료 / 상한 epoch종료 이유발전소-일 배치 / 누적감독 실행 전체자식 최고 RSSTorch 예약 VRAM

    전체 시간에는 입력 준비, 검사와 저장이 포함되며 학습부 누적 시간과 다릅니다. Torch 예약 VRAM은 드라이버와 다른 앱을 제외한 값입니다. 24 MiB라는 수치만으로 GPU 부족이나 활용률을 판단하지 않습니다.

    T11은 1 epoch가 best이고 이후 2회 미개선으로 종료했습니다. T13은 4 epoch 상한에 도달했고 마지막 epoch가 best입니다. 초기 T11/T13/C01은 AdamW, 학습률 0.0003, weight decay 0.01, patience 2입니다. H02B는 patience 6으로 연장했으며 Optuna로 최적화한 결과가 아닙니다.

    3~4 epoch 결과는 초기 비교입니다. epoch 수만으로 학습 부족을 단정하지 않고 optimizer step, 입력량, 곡선과 계절 성능을 함께 확인합니다.

    P07: A6000 배치별 처리량 측정

    검토된 실제 측정값을 불러옵니다.

    저장 모델발전소-일 배치발전소-일 / 초3회 측정 범위배치 8 대비Torch 예약 VRAM

    같은 64개 표본, FP32, worker 0, 학습률 0으로 forward/backward와 optimizer 호출 시간을 비교했습니다. 모든 가중치를 유지했고 측정용 pt는 별도 보존했습니다. 동기화한 실행 시간에는 Python과 검사 비용도 포함됩니다. 전체 epoch 속도, 수렴 또는 정산 W 개선을 측정한 결과가 아닙니다. 실제 학습은 유효 배치와 update 수까지 맞춘 대조가 필요합니다.

    Train / Valid 학습 곡선

    기존 겨울 모델

    발전소별 용량 정규화 MAE입니다. Valid는 12월 조기 종료 구간이며 2월 정산 W와 다릅니다. 모델마다 가중치가 달라 곡선 높이로 모델 순위를 정하지 않습니다.

    TrainValid점선: 선택 반복

    실험과 판단

    같은 검증 구간끼리 비교합니다. 단일 구간의 개선은 잠정 결과이며 자동 승격하지 않습니다.

    실험상태 / 구간참조 배분 W탐색 배분 W판단

    기대, 실제 결과, 다음 결정

    다음 순차 실험

    계획은 실행 완료와 구분

    새 모델 이름을 늘리기 전에 처리량, 대조군과 검증 조건을 먼저 고정합니다. 아래는 연구 우선순위이며 자동 실행 명령이 아닙니다. 실행할 때 현재 부팅, 자원과 해당 소스의 제한된 범위를 검토합니다.

    팀 자료에서 확인한 장점과 우리 적용 범위

    어디까지 검증됐는가

    기간 / 모집단 / 반복 구분
    검증 항목현재 상태범위해석의 한계

    너비 탐색 계획

    여러 방법을 선별한 뒤 깊이 검증

    계획은 실행 완료와 구분합니다. 각 계열의 소수 후보를 같은 시계열 검증으로 비교하고, 무거운 연산은 순차 큐 하나로 처리합니다.

    계열별 비교 계획

    가설별 배경과 제한

    체크리스트

    실행 환경

    HeXA와 공유

    자원 측정 시각 확인 중

    Windows 여유 RAM 24 GiB와 커밋 여유 20%를 모두 검사합니다. 임계값 초과 시 이 연구의 작업만 안전하게 중단합니다. 감시만으로 호스트 재부팅 방지를 보장할 수는 없습니다.

    운영 기록

      논문과 코드

      방법 참고 / 외부 학습 데이터 사용 금지