본 연구는 대규모 언어 모델(LLM)을 활용하여 에너지 관련 선호도 조사(SP) 설문조사에서 소비자 선택을 시뮬레이션하는 가능성을 조사한다. 기존의 SP 설문조사는 비용이 많이 들고 시간이 오래 걸리며 응답자 피로도와 윤리적 제약을 받는다는 한계를 지닌다. 본 연구는 LLaMA 3.1, Mistral, GPT-3.5, DeepSeek-R1 등 여러 LLM을 사용하여 개별 및 집계 수준에서 시뮬레이션 성능을 평가하고, 프롬프트 디자인, 문맥 내 학습(ICL), 사고 연쇄(CoT) 추론, 모델 유형, 기존 선택 모델과의 통합, 잠재적 편향 등을 고려하였다. LLM은 무작위 추측보다 높은 정확도를 달성하지만, 실제 시뮬레이션에 사용하기에는 성능이 부족하다. DeepSeek-R1이 가장 높은 평균 정확도(77%)를 달성했으며, 비추론 LLM보다 정확도, 요인 식별, 선택 분포 정렬 측면에서 우수한 성능을 보였다. 이전 SP 선택이 가장 효과적인 입력이며, 요인이 많을수록 정확도가 낮아진다. 혼합 로짓 모델은 LLM 프롬프트 개선을 지원할 수 있다. 추론 LLM은 요인의 중요성을 나타냄으로써 데이터 분석에 질적 보완을 제공한다. 사전 훈련된 LLM은 확장성이 뛰어나고 최소한의 과거 데이터만 필요하지만, 여전히 한계가 존재한다.
