본 논문은 비침습 부하 모니터링(NILM)에 대규모 언어 모델(LLM)과 프롬프트 기반 학습을 적용한 최초의 연구이다. 기존 딥러닝 기반 NILM의 한계인 데이터 라벨링 의존성, 제한적인 일반화 성능, 설명력 부족을 극복하기 위해, LLM의 컨텍스트 학습 능력을 활용하여 가전제품 특징, 상황 정보, 시계열 데이터 예시를 포함하는 프롬프트 전략을 설계하고 평가하였다. REDD 및 UK-DALE 데이터셋을 이용한 실험 결과, 프롬프트만으로는 복잡한 상황에서 기존 딥러닝 모델보다 성능이 떨어지지만, 가전제품 특징만 조정하여도 다른 주택 및 지역으로의 일반화 성능이 뛰어나고, 추론 결과에 대한 사람이 이해할 수 있는 설명을 제공하는 것을 확인하였다. 결과적으로 프롬프트 기반 LLM의 NILM 적용 가능성과 한계를 규명하고, 일반화 및 설명력 측면에서 NILM 분야의 새로운 방향을 제시한다.
