論文の概要: Understanding Electricity-Theft Behavior via Multi-Source Data
- arxiv url: http://arxiv.org/abs/2001.07311v1
- Date: Tue, 21 Jan 2020 02:15:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 11:37:23.815682
- Title: Understanding Electricity-Theft Behavior via Multi-Source Data
- Title（参考訳）: マルチソースデータによる電気盗難行動の把握
- Authors: Wenjie Hu, Yang Yang, Jianbo Wang, Xuanwen Huang, Ziqiang Cheng
- Abstract要約: 電気の盗難(けいのうのう)とは、発展途上国でよく見られる現象である。
電気盗難の挙動を自動的に認識するいくつかの機械化法が開発されている。
マルチソースデータによる電気盗難行動の認識を提案する。
- 参考スコア（独自算出の注目度）: 7.562087202393426
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Electricity theft, the behavior that involves users conducting illegal
operations on electrical meters to avoid individual electricity bills, is a
common phenomenon in the developing countries. Considering its harmfulness to
both power grids and the public, several mechanized methods have been developed
to automatically recognize electricity-theft behaviors. However, these methods,
which mainly assess users' electricity usage records, can be insufficient due
to the diversity of theft tactics and the irregularity of user behaviors.
In this paper, we propose to recognize electricity-theft behavior via
multi-source data. In addition to users' electricity usage records, we analyze
user behaviors by means of regional factors (non-technical loss) and climatic
factors (temperature) in the corresponding transformer area. By conducting
analytical experiments, we unearth several interesting patterns: for instance,
electricity thieves are likely to consume much more electrical power than
normal users, especially under extremely high or low temperatures. Motivated by
these empirical observations, we further design a novel hierarchical framework
for identifying electricity thieves. Experimental results based on a real-world
dataset demonstrate that our proposed model can achieve the best performance in
electricity-theft detection (e.g., at least +3.0% in terms of F0.5) compared
with several baselines. Last but not least, our work has been applied by the
State Grid of China and used to successfully catch electricity thieves in
Hangzhou with a precision of 15% (an improvement form 0% attained by several
other models the company employed) during monthly on-site investigation.
- Abstract（参考訳）: 電気盗難は、個別の電気料金を避けるために電気メーターで違法な操作を行うユーザーの行動であり、発展途上国ではよくある現象である。
電力網や公衆への有害性を考慮すると、電気盗難行動を自動的に認識する機械化手法がいくつか開発されている。
しかし,これらの手法は,ユーザの電気使用記録を主に評価するが,盗難戦術の多様性やユーザの行動の不規則さにより不十分である。
本稿では,マルチソースデータを用いた電気盗難行動の認識を提案する。
利用者の電気利用記録に加えて,変圧器領域の地域的要因(非技術的損失)と気候的要因(温度)を用いてユーザの行動を分析する。
例えば、電気泥棒は通常の利用者よりも電力を消費する傾向があり、特に極端に高温または低温下では電力を消費する。
これらの経験的観察に動機づけられ、電力泥棒を特定するための新しい階層的枠組みを更に設計する。
実世界のデータセットに基づく実験結果から,提案モデルでは,複数のベースラインと比較して,電気盗難検出において最高の性能(少なくともF0.5では3.0%)が得られることが示された。
最後に、当社の作業は中国の国定格子(State Grid of China)によって適用され、月々の現場調査において、香港の電気盗難を15%(同社が採用した他のいくつかのモデルで0%の精度で把握することに成功しました。
関連論文リスト
- A Novel Combined Data-Driven Approach for Electricity Theft Detection [3.7853895545621468]
本稿では,2つの新しいデータマイニング手法を組み合わせることで問題を解決する。
1つのテクニックは最大情報係数(MIC)であり、非技術的損失(NTL)と消費者の一定の電気的挙動との相関を見出すことができる。
CFSFDPは数千の負荷プロファイルの中から異常なユーザを見つけ,任意の形状の電気盗難を検出するのに極めて適している。
論文 参考訳（メタデータ） (2024-11-11T01:30:51Z) - Anomaly-based Framework for Detecting Power Overloading Cyberattacks in Smart Grid AMI [5.5672938329986845]
本稿では回帰決定木に基づく2段階異常検出フレームワークを提案する。
導入された検出手法は、エネルギー消費の規則性と予測可能性を利用して参照消費パターンを構築する。
アイルランドの500人の顧客を対象とした,実世界の公用エネルギー消費データセットに関する広範な実験を行った。
論文 参考訳（メタデータ） (2024-07-03T16:52:23Z) - Non-Intrusive Electric Load Monitoring Approach Based on Current Feature
Visualization for Smart Energy Management [51.89904044860731]
我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。
マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
論文 参考訳（メタデータ） (2023-08-08T04:52:19Z) - Label Assisted Autoencoder for Anomaly Detection in Power Generation
Plants [0.0]
本研究では, 発電プラントが消費する燃料の異常検出のためのラベル付きオートエンコーダを提案する。
その結果、提案モデルでは、検出精度が9.7.20%$で、同一データセット上でトレーニングされた9.6.1%$の精度で、既存のモデルより優れていることがわかった。
論文 参考訳（メタデータ） (2023-02-06T16:03:38Z) - Leveraging the Potential of Novel Data in Power Line Communication of
Electricity Grids [0.5399800035598186]
電力網は、日常生活において気づかないことが多いとしても、日常生活において不可欠な部分となっている。
本稿では、ブロードバンド電力線通信インフラにおける計測に基づく2つの第一種データセットを提案する。
両方のデータセットFiN-1とFiN-2は、約440万人を供給しているドイツの低電圧グリッドの一部で実運用中に収集された。
論文 参考訳（メタデータ） (2022-09-23T11:37:02Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Domain Knowledge Aids in Signal Disaggregation; the Example of the
Cumulative Water Heater [68.8204255655161]
住宅における累積給湯器(CWH)の電力の検出と分散を目的とした教師なし低周波法を提案する。
本モデルでは,パワースパイクの形状と発生時刻を両立させることにより,教師なし信号の分解の難しさを回避する。
我々のモデルは、単純さに拘わらず、有望なアプリケーションを提供する: オフピーク契約における設定ミスの検出と性能劣化の遅さ。
論文 参考訳（メタデータ） (2022-03-22T10:39:19Z) - EnsembleNTLDetect: An Intelligent Framework for Electricity Theft
Detection in Smart Grid [0.0]
本稿では,堅牢でスケーラブルな電気盗難検出フレームワークであるEnsembleNTLDetectを紹介する。
一連の効率的なデータ前処理技術と機械学習モデルを使って、電気盗難を正確に検出する。
Conditional Generative Adversarial Network (CTGAN) は、堅牢なトレーニングを保証するためにデータセットを増強するために使用される。
論文 参考訳（メタデータ） (2021-10-09T08:19:03Z) - Adversarial Energy Disaggregation for Non-intrusive Load Monitoring [78.47901044638525]
非侵入負荷モニタリング(Non-Inrusive Load Monitoring, NILM)としても知られるエネルギー分散は、家庭全体の電力消費を家電固有の個人消費に分けるという問題に挑戦する。
近年の進歩は、ディープニューラルネットワーク(DNN)がNILMに有利な性能を得られることを示している。
我々は、エネルギー分散タスクに新しくなったNILMに、敵対的学習の考え方を導入する。
論文 参考訳（メタデータ） (2021-08-02T03:56:35Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳（メタデータ） (2021-07-29T00:02:06Z) - Bayesian model of electrical heating disaggregation [68.8204255655161]
スマートメーターの採用は、ヨーロッパのスマートエネルギーへの移行における大きなマイルストーンである。
フランスの住宅セクターは電力消費の35%$approx$35%、電気暖房による世帯の40%$approx$40%(INSEE)である。
Linkyの展開するスマートメーターの数は2021年に3500万に達する見込みだ。
論文 参考訳（メタデータ） (2020-11-11T10:05:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。