論文の概要: Anomaly Detection in Power Markets and Systems
- arxiv url: http://arxiv.org/abs/2212.02182v1
- Date: Mon, 5 Dec 2022 11:38:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 19:22:40.462651
- Title: Anomaly Detection in Power Markets and Systems
- Title（参考訳）: 電力市場とシステムにおける異常検出
- Authors: Ugur Halden, Umit Cali, Ferhat Ozgur Catak, Salvatore D'Arco,
Francisco Bilendo
- Abstract要約: 電力網のようなサイバー物理システムは、様々な理由で異常を経験することがある。
本研究の目的は、電力系統における最も一般的なインシデントとは何かを強調し、最も一般的な問題発見方法の概要と分類を提供することである。
また、電力システムや市場における異常を識別する人工知能(AI)などの手法や手法についても論じる。
- 参考スコア（独自算出の注目度）: 0.41998444721319217
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The widespread use of information and communication technology (ICT) over the
course of the last decades has been a primary catalyst behind the
digitalization of power systems. Meanwhile, as the utilization rate of the
Internet of Things (IoT) continues to rise along with recent advancements in
ICT, the need for secure and computationally efficient monitoring of critical
infrastructures like the electrical grid and the agents that participate in it
is growing. A cyber-physical system, such as the electrical grid, may
experience anomalies for a number of different reasons. These may include
physical defects, mistakes in measurement and communication, cyberattacks, and
other similar occurrences. The goal of this study is to emphasize what the most
common incidents are with power systems and to give an overview and
classification of the most common ways to find problems, starting with the
consumer/prosumer end working up to the primary power producers. In addition,
this article aimed to discuss the methods and techniques, such as artificial
intelligence (AI) that are used to identify anomalies in the power systems and
markets.
- Abstract（参考訳）: 過去数十年間、情報通信技術(ict)の広範な利用は、電力システムのデジタル化の背後にある主要な触媒であった。
一方、ICTの最近の進歩に伴いIoT(Internet of Things)の利用率が上昇し続けており、電力網やそれに参加するエージェントといった重要なインフラの安全かつ効率的な監視の必要性が高まっている。
電気グリッドのようなサイバー物理システムは、いくつかの異なる理由により異常を経験する可能性がある。
これには物理的欠陥、測定と通信の誤り、サイバー攻撃などが含まれる。
本研究の目的は、電力システムにおける最も一般的なインシデントとは何かを強調し、消費者や消費者が主要な電力生産者に取り組むことから、問題を見つけるための最も一般的な方法の概要と分類を提供することである。
また、電力システムや市場における異常を識別するために使用される人工知能(ai)などの手法や技術についても論じることを目的としている。
関連論文リスト
- Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Multi-Tier Computing-Enabled Digital Twin in 6G Networks [50.236861239246835]
産業4.0では、製造業、自動車、医療などの産業がDTベースの開発を急速に採用している。
これまでの主な課題は、通信とコンピューティングリソースに対する高い要求と、プライバシとセキュリティに関する懸念だった。
新たなDTで低レイテンシと高セキュリティを実現するため,エッジ/フォグコンピューティングとクラウドコンピューティングを組み合わせたマルチ層コンピューティングが提案されている。
論文 参考訳（メタデータ） (2023-12-28T13:02:53Z) - Cybersecurity Challenges of Power Transformers [3.509488301177195]
情報、データ分析、通信システムへの新たな電力グリッド技術への依存は、全電力ネットワークをサイバー脅威に脆弱にする。
電力トランスは電力グリッドの中で重要な役割を担い、現在では工場のアドオンやインテリジェントな監視システムを通じて拡張されている。
本稿では,電力ネットワークにおける電力変圧器の脆弱性と攻撃ベクトル,攻撃シナリオ,攻撃の危険性について検討する。
論文 参考訳（メタデータ） (2023-02-25T21:08:59Z) - Exploring the Use of Data-Driven Approaches for Anomaly Detection in the
Internet of Things (IoT) Environment [4.724825031148412]
IoT(Internet of Things)は、物理コンピューティングデバイス、センサー、ソフトウェア、その他のテクノロジを接続するシステムである。
データは、人間のインタラクションを必要とせずに、ネットワーク上の他のデバイスと収集、転送、交換することができる。
近年,IoT環境における異常検出の研究が普及し,その必要性が高まっている。
論文 参考訳（メタデータ） (2022-12-31T06:28:58Z) - Hybrid AI-based Anomaly Detection Model using Phasor Measurement Unit
Data [0.41998444721319217]
ファサー計測装置(PMU)を用いて電力システムを監視することは、将来有望な技術の一つである。
サイバー物理的相互作用の増加は、利点と欠点の両方をもたらし、そこでは、測定データの異常の形で欠点の1つが生まれる。
本稿では,PMUデータにおける異常検出の様々な手法に基づくハイブリッドAIベースモデルを開発することを目的とする。
論文 参考訳（メタデータ） (2022-09-21T11:22:01Z) - 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) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - A review of Federated Learning in Intrusion Detection Systems for IoT [0.15469452301122172]
侵入検知システムは、環境中の異常を検索するデータ分析を行うインテリジェントシステムへと進化している。
ディープラーニング技術は、より複雑で効果的な脅威検出モデルを構築するための扉を開いた。
現在のアプローチは、すべてのパーティからデータを受け取る強力な集中型サーバに依存しています。
本稿では,侵入検出分野におけるフェデレートラーニング手法の適用に焦点を当てた。
論文 参考訳（メタデータ） (2022-04-26T17:00:07Z) - Machine Learning for Massive Industrial Internet of Things [69.52379407906017]
モノのインターネット(IIoT)は、モノのインターネット技術を産業環境に統合することで、将来の製造施設に革命をもたらします。
大規模なIIoTデバイスのデプロイでは、無線ネットワークがさまざまなQoS(Quality-of-Service)要件でユビキタス接続をサポートすることは困難である。
まず、一般的な非クリティカルかつクリティカルなIIoTユースケースの要件を要約します。
次に、大規模なIIoTシナリオと対応する機械学習ソリューションのユニークな特性を、その制限と潜在的な研究方向で識別します。
論文 参考訳（メタデータ） (2021-03-10T20:10:53Z) - Analyzing Power Grid, ICT, and Market Without Domain Knowledge Using
Distributed Artificial Intelligence [0.0]
エネルギーインフラのようなサイバー物理システムは、ますます複雑になりつつある。
本稿では,分散人工知能を自己適応分析ツールとして応用するための概念を紹介する。
論文 参考訳（メタデータ） (2020-06-10T21:32:39Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。