論文の概要: A Data Mining-Based Dynamical Anomaly Detection Method for Integrating with an Advance Metering System
- arxiv url: http://arxiv.org/abs/2405.02574v1
- Date: Sat, 4 May 2024 05:26:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-07 19:20:44.611177
- Title: A Data Mining-Based Dynamical Anomaly Detection Method for Integrating with an Advance Metering System
- Title（参考訳）: データマイニングに基づく前方計測システム統合のための動的異常検出法
- Authors: Sarit Maitra,
- Abstract要約: 建設事業は総消費電力の30%を消費し、世界の電力関連排出量の26%に寄与している。
本研究は、メーターレベルの異常を検出するための教師なしアプローチと教師なしアプローチの両方について検討する。
このシステムは、メーターレベルの異常をリアルタイムに検出するように設計されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Building operations consume 30% of total power consumption and contribute 26% of global power-related emissions. Therefore, monitoring, and early detection of anomalies at the meter level are essential for residential and commercial buildings. This work investigates both supervised and unsupervised approaches and introduces a dynamic anomaly detection system. The system introduces a supervised Light Gradient Boosting machine and an unsupervised autoencoder with a dynamic threshold. This system is designed to provide real-time detection of anomalies at the meter level. The proposed dynamical system comes with a dynamic threshold based on the Mahalanobis distance and moving averages. This approach allows the system to adapt to changes in the data distribution over time. The effectiveness of the proposed system is evaluated using real-life power consumption data collected from smart metering systems. This empirical testing ensures that the system's performance is validated under real-world conditions. By detecting unusual data movements and providing early warnings, the proposed system contributes significantly to visual analytics and decision science. Early detection of anomalies enables timely troubleshooting, preventing financial losses and potential disasters such as fire incidents.
- Abstract（参考訳）: 建設事業は総消費電力の30%を消費し、世界の電力関連排出量の26%に寄与している。
したがって、住宅や商業ビルでは、メーターレベルの異常の監視と早期検出が不可欠である。
本研究では、教師付きアプローチと教師なしアプローチの両方を調査し、動的異常検出システムを導入する。
このシステムは、教師付きライトグラディエントブースティングマシンと、動的しきい値を持つ教師なしオートエンコーダを導入する。
このシステムは、メーターレベルの異常をリアルタイムに検出するように設計されている。
提案された力学系は、マハラノビス距離と移動平均に基づく動的しきい値を持つ。
このアプローチにより、システムは時間とともにデータ分散の変化に適応できる。
本システムの有効性を,スマート計測システムから収集した実時間消費電力データを用いて評価した。
この経験的テストにより、システムの性能が実環境下で検証されることが保証される。
異常なデータの動きを検出し、早期警告を提供することで、提案システムは視覚分析と意思決定科学に大きく貢献する。
異常の早期検出は、タイムリーなトラブルシューティングを可能にし、財政的損失や火災事故などの潜在的な災害を防ぐ。
関連論文リスト
- Gaussian Derivative Change-point Detection for Early Warnings of Industrial System Failures [7.266872790554742]
将来のシステム障害の早期警告は、予測メンテナンスとシステムの可用性向上に不可欠である。
本稿では,システム故障を予測するために,システムの健全性を評価するための3段階の枠組みを提案する。
論文 参考訳（メタデータ） (2024-10-29T23:14:03Z) - A Real-time Anomaly Detection Using Convolutional Autoencoder with Dynamic Threshold [0.0]
この研究は統計と畳み込みオートエンコーダを動的しきい値で組み合わせたハイブリッドモデリング手法を導入する。
このソリューションには、高度な監視システムに接続するリアルタイムのメーターレベルの異常検知システムが含まれている。
論文 参考訳（メタデータ） (2024-04-05T11:03:36Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - 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) - Smart Meter Data Anomaly Detection using Variational Recurrent
Autoencoders with Attention [0.0]
本稿では,アテンション機構を備えた変分リカレントオートエンコーダに基づく教師なし異常検出手法を提案する。
スマートメーターの「汚れ」データを用いて、学習中の貢献度を減少させるために、欠落した値とグローバルな異常を事前に検出する。
論文 参考訳（メタデータ） (2022-06-08T19:39:51Z) - Cloud Failure Prediction with Hierarchical Temporary Memory: An
Empirical Assessment [64.73243241568555]
Hierarchical Temporary Memory (HTM) は、新皮質の特徴にインスパイアされた教師なし学習アルゴリズムである。
本稿では,障害予測の文脈でHTMを評価する最初の体系的研究について述べる。
論文 参考訳（メタデータ） (2021-10-06T07:09:45Z) - Data-driven Residual Generation for Early Fault Detection with Limited
Data [4.129225533930966]
多くの複雑なシステムでは、システムのための高精度なモデルを開発することは不可能である。
データ駆動型ソリューションは、いくつかの実践的な理由から、産業システムにおいて大きな注目を集めている。
モデルに基づく手法とは異なり、圧力や電圧などの時系列測定を他の情報源と組み合わせることが直接の前進である。
論文 参考訳（メタデータ） (2021-09-28T03:18:03Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳（メタデータ） (2020-12-07T11:02:44Z) - Stochastically forced ensemble dynamic mode decomposition for
forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。
固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。
電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文 参考訳（メタデータ） (2020-10-08T20:25:52Z) - Monitoring and Diagnosability of Perception Systems [21.25149064251918]
知覚は、ロボット工学や自動運転車などの自律システムの高統合的応用において重要な要素である。
知覚システムの重要さにもかかわらず、システムレベルのモニタリングには正式なアプローチは存在しない。
本稿では,認識システムの実行時モニタリングと故障検出のための数学的モデルを提案する。
論文 参考訳（メタデータ） (2020-05-24T18:09:46Z)
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。