– 박경수(AWS Solutions Architect), 장현태(AWS Solutions Architect),, 백승연 (LG에너지솔루션, Product Owner) · 최수아 (LG에너지솔루션, Data Scientist “실시간으로 가격이 바뀌는 전력시장에서 최대 수익을 내려면 얼마에 입찰해야 할까? 그 가격을 예측하고 입찰 전략까지 분석해주는 에이전트가 있다면?” LG에너지솔루션 전력거래솔루션은 이 한 문장에서 출발했습니다. LG에너지솔루션은 배터리 셀부터 ESS(Energy Storage System)까지 아우르는 글로벌 배터리 기업입니다. 하지만 배터리의 가치는 배터리를 만드는 […] ||
– 박경수(AWS Solutions Architect), 장현태(AWS Solutions Architect),, 백승연 (LG에너지솔루션, Product Owner) · 최수아 (LG에너지솔루션, Data Scientist
“실시간으로 가격이 바뀌는 전력시장에서 최대 수익을 내려면 얼마에 입찰해야 할까? 그 가격을 예측하고 입찰 전략까지 분석해주는 에이전트가 있다면?” LG에너지솔루션 전력거래솔루션은 이 한 문장에서 출발했습니다.
LG에너지솔루션은 배터리 셀부터 ESS(Energy Storage System)까지 아우르는 글로벌 배터리 기업입니다. 하지만 배터리의 가치는 배터리를 만드는 것에서 끝나지 않습니다. 전력시장과 연결된 ESS 자산을 언제, 어떻게 운영하느냐에 따라 그 가치와 수익성이 달라지기 때문입니다.
그래서 LG에너지솔루션은 배터리와 ESS 자체뿐 아니라, 이를 실제 전력시장 안에서 효과적으로 운영하고수익을 극대화할 수 있는 솔루션까지 함께 만들고 있습니다. 현재 미국 최대 규모 도매전력시장 중 하나인 ERCOT(Electric Reliability Council of Texas)을 대상으로 BESS(Battery Energy Storage System) 자산의 입찰최적화 솔루션을 개발 중입니다.
이번 글에서 소개할 AI 에이전트 역시 이 문제를 풀기 위한 접근 중 하나입니다.
전력거래 업무는 데이터 수집 – EDA(Exploratory Data Analysis) – 모델 개발 – 사후 분석이 반복되는 구조입니다. 이 작업을 자연어 질의로 대체하기 위해 사내 전력거래솔루션에 탑재할 분석 에이전트를 개발했습니다. 분석가가 “지난주 A 노드의 DAM(Day-Ahead Market)·RTM(Real-Time Market) 가격 차이를 보여주고, 현재 규제 조건에서 어떤 입찰 전략이 유리했는지 분석해줘”라고 물으면, 에이전트는 질문 의도에 따라 적절한 MCP를 선택합니다. 사용자는 선택된 MCP를 통해 반환된 입찰 이력·BESS 사양·ERCOT LMP(Locational Marginal Price, 지역별 한계가격) 및 DAM/RTM 정산 데이터를 근거로 수익 최적화 전략이나 가격 예측 모델 추천 결과 등을 업무에 활용할 수 있습니다.
이 글에서는 여러 MCP(Model Context Protocol) 서버를 오케스트레이션하는 분석 에이전트를 설계하고 실제 업무에 적용하기까지의 과정을 공유합니다. 어떤 구조로 만들었는지, 그리고 Amazon Bedrock AgentCore와 Amazon Athena, Amazon Bedrock Guardrails, Amazon CloudWatch로 응답 속도 · 분석 품질 · 보안 통제 · 운영 효율을 각각 어떻게 확보했는지 순서대로 설명합니다.
매일 반복되는 Trader의 업무에 주목하다
ERCOT(Electric Reliability Council of Texas)은 10,000개가 넘는 LMP(Locational Marginal Price, 지역별 한계가격) 노드에서 시간·지점별로 가격이 형성되는 시장입니다. BESS (Battery Energy Storage System)운영자는 전력 가격이 낮을 때 충전하고 높을 때 방전하기 위해 수많은 노드별 시장 가격을 미리 예측하고 이를 바탕으로 최적화된 입찰 가격을 산출, 입찰 결과를 분석하여 더 나은 입찰서를