전력시장에 참여하는 발전 회사나 가상 거래 사업자에게는 계통한계가격(System Marginal Price) 예측이 필수적이며 SMP 예측의 정확성은 수익과 직결된다. 따라서 본 논문은 SMP 예측의 정확성을 높이기 위해 다양한 모델과 이에 따른 조합을 통한 결과 비교와 계절별로 가장 좋은 성능을 보이는 모델조합을 제시하고자 한다. 본 논문에서는 Shapley Additive exPlanations 기법과 minimum-Redundancy Maximum-Relevance 기법을 사용하여 변수 선택을 수행하고 랜덤 서치 기법을 통해 예측 모델의 하이퍼파라미터를 조정했다. 이를 통해 2022년에 대한 총 수요와 SMP를 예측하였으며, Mean Absolute Percentage Error를 통해 예측 결과를 제시했다. 본 논문에서 사용한 모델은 Linear Regression, XGBoost, Random Forest, Light Gradient Boost Machine이다. SMP를 예측한 결과, 2022년 평균 MAPE에서 XGBoost와 Random Forest 앙상블 모델이 5.70%로 가장 우수한 성능을 보였다. 또한 계절별로 나누어 예측 결과를 보였을 때 봄과 여름에선 XGBoost와 Random Forest 앙상블 모델, 가을에선 Random Forest와 LGBM 앙상블 모델, 겨울에선 XGBoost와 LGBM 앙상블 모델이 가장 우수한 성능을 보였다.