본 논문은 전력 시스템의 효율적인 운영을 위해 중요한 정확한 전날 전기 가격 예측(DAEPF)을 위한 새로운 하이브리드 딥러닝 프레임워크를 제안합니다. 이 프레임워크는 Distilled Attention Transformer (DAT) 모델과 Autoencoder Self-regression Model (ASM)을 통합합니다. DAT는 자기 주의 메커니즘을 사용하여 장기적인 추세와 단기적인 변동을 효과적으로 포착하고, ASM은 이상 기상 현상이나 축제 등으로 인한 이상 패턴을 감지하고 격리하기 위해 무감독 학습을 사용합니다. 캘리포니아와 산동성 데이터셋에 대한 실험 결과, 제안된 프레임워크가 기존 최첨단 방법보다 예측 정확도, 견고성 및 계산 효율성 측면에서 유의미하게 우수함을 입증했습니다.
