본 논문은 고전압 절연체의 누설 전류 증가를 예측하는 하이브리드 심층 학습(DL) 모델을 제안합니다. 전력망 절연체의 표면 오염은 누설 전류 증가 및 방전으로 이어져 정전을 야기할 수 있으므로, 이를 예측하는 것은 중요합니다. 제안된 모델은 트리 구조 파젠 추정을 이용한 다기준 최적화, 신호 잡음 감쇠를 위한 입력 단계 필터, 그리고 시계열 예측에 적용된 대규모 언어 모델(LLM)을 결합한 하이브리드 구조를 갖습니다. 최적화된 LLM은 기존 최첨단 DL 모델보다 우수한 성능을 보이며, 단기 예측의 경우 RMSE는 2.24×10⁻⁴, 중기 예측의 경우 1.21×10⁻³입니다.
