본 논문은 스마트 그리드의 에너지 소비 최적화를 위해 심층 강화 학습(DRL), 물리 정보 신경망(PINN), 블록체인(BC) 기술을 통합한 다면적인 접근 방식을 제안합니다. 디지털 트윈(DT) 데이터로 훈련된 DRL 에이전트는 실시간 에너지 소비를 최적화하고, PINN은 물리 법칙을 통합하여 모델의 정확성과 해석력을 보장합니다. BC 기술은 스마트 그리드 인프라 전반의 안전하고 투명한 통신을 가능하게 합니다. 스마트 미터 에너지 소비 데이터, 신재생에너지 출력, 동적 가격, IoT 기기에서 수집된 사용자 선호도 등을 포함한 포괄적인 데이터셋을 사용하여 모델을 훈련 및 검증했습니다. 제안된 프레임워크는 MAE 0.237 kWh, RMSE 0.298 kWh, R-squared 0.978의 우수한 예측 성능을 달성했습니다. 선형 회귀, 랜덤 포레스트, SVM, LSTM, XGBoost 등 기존 모델과의 비교 분석을 통해 제안된 방법의 우수한 정확성과 실시간 적응성을 확인했습니다. 에너지 효율 향상 외에도 에너지 비용을 35% 절감하고, 사용자 편의 지수 96%를 유지하며, 신재생에너지 활용률을 40% 증가시켰습니다.
