論文の概要: SHEDAD: SNN-Enhanced District Heating Anomaly Detection for Urban Substations
- arxiv url: http://arxiv.org/abs/2408.14499v1
- Date: Fri, 23 Aug 2024 19:25:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 18:01:37.432758
- Title: SHEDAD: SNN-Enhanced District Heating Anomaly Detection for Urban Substations
- Title（参考訳）: SHEDAD:SNNによる都市変電所の暖房異常検出
- Authors: Jonne van Dreven, Abbas Cheddad, Sadi Alawadi, Ahmad Nauman Ghazi, Jad Al Koussa, Dirk Vanhoudt,
- Abstract要約: 本研究は, 近近近近近近近温暖房地域異常検出(SHEDAD)手法について紹介する。
DHネットワークトポロジを近似し、サブステーション位置などの機密情報を開示することなく、局所的な異常検出を可能にするように設計されている。
その結果、SHEDADは従来のクラスタリング法よりも優れており、クラスタ内のばらつきや距離が著しく低いことが判明した。
- 参考スコア（独自算出の注目度）: 0.4398130586098371
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: District Heating (DH) systems are essential for energy-efficient urban heating. However, despite the advancements in automated fault detection and diagnosis (FDD), DH still faces challenges in operational faults that impact efficiency. This study introduces the Shared Nearest Neighbor Enhanced District Heating Anomaly Detection (SHEDAD) approach, designed to approximate the DH network topology and allow for local anomaly detection without disclosing sensitive information, such as substation locations. The approach leverages a multi-adaptive k-Nearest Neighbor (k-NN) graph to improve the initial neighborhood creation. Moreover, it introduces a merging technique that reduces noise and eliminates trivial edges. We use the Median Absolute Deviation (MAD) and modified z-scores to flag anomalous substations. The results reveal that SHEDAD outperforms traditional clustering methods, achieving significantly lower intra-cluster variance and distance. Additionally, SHEDAD effectively isolates and identifies two distinct categories of anomalies: supply temperatures and substation performance. We identified 30 anomalous substations and reached a sensitivity of approximately 65\% and specificity of approximately 97\%. By focusing on this subset of poor-performing substations in the network, SHEDAD enables more targeted and effective maintenance interventions, which can reduce energy usage while optimizing network performance.
- Abstract（参考訳）: 地域暖房システム(DH)はエネルギー効率の高い都市暖房に不可欠である。
しかし、自動故障検出・診断(FDD)の進歩にもかかわらず、DHは依然として効率に影響を及ぼす運用上の故障の課題に直面している。
本研究は,DHネットワークトポロジを近似し,サブステーション位置などの機密情報を開示することなく局所異常検出が可能な共有近傍地域暖房異常検出(SHEDAD)手法を提案する。
このアプローチでは、k-Nearest Neighbor(k-NN)グラフを多値化することにより、初期近傍の生成を改善する。
さらに、ノイズを低減し、自明なエッジを除去するマージ技術を導入している。
我々は、メディア絶対偏差(MAD)と修正zスコアを用いて、異常なサブステーションをフラグする。
その結果、SHEDADは従来のクラスタリング法よりも優れており、クラスタ内のばらつきや距離が著しく低いことが判明した。
さらに、SHEDADは、供給温度とサブステーション性能の2つの異なるカテゴリーの異常を効果的に分離し識別する。
異常なサブステーションを30個同定し, 約65 %, 特異度約97 %に到達した。
SHEDADは、ネットワーク内の低パフォーマンスサブステーションのサブセットに焦点を当てることで、よりターゲットを絞った効果的なメンテナンス介入を可能にし、ネットワーク性能を最適化しながらエネルギー使用量を削減できる。
関連論文リスト
- Power-Efficient Indoor Localization Using Adaptive Channel-aware
Ultra-wideband DL-TDOA [7.306334571814026]
本稿では,低消費電力チャネル対応動的周波数DL-TDOAレンジリングアルゴリズムの提案と実装を行う。
畳み込みニューラルネットワーク(CNN)、ダイナミックレンジング周波数制御モジュール、IMUセンサベースのレンジングフィルタに基づくNLOS確率予測器を備える。
論文 参考訳（メタデータ） (2024-02-16T09:04:04Z) - Tackling Electrode Shift In Gesture Recognition with HD-EMG Electrode
Subsets [0.8192907805418583]
入力チャネルサブセットの集合に関するトレーニングを提案し、異なる電極位置のデータを用いてトレーニング分布を増強する。
本手法は,電極シフトに対するロバスト性を高め,被検体と分類アルゴリズム間の干渉性能を著しく向上させる。
論文 参考訳（メタデータ） (2024-01-05T12:13:00Z) - DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial
Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。
現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。
本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文 参考訳（メタデータ） (2023-09-07T13:43:46Z) - REB: Reducing Biases in Representation for Industrial Anomaly Detection [16.550844182346314]
本稿では,ドメインバイアスを考慮した表現におけるReduceing Biases (REB)を提案する。
また,特徴空間における局所密度バイアスを低減し,効果的な異常検出を実現するために,局所密度KNN(LDKNN)を提案する。
提案したREB法は,Vgg11やResnet18などの小さなバックボーンネットワークを用いて,広く使用されているMVTec AD上で99.5%のIm.AUROCを実現する。
論文 参考訳（メタデータ） (2023-08-24T05:32:29Z) - Detecting Change Intervals with Isolation Distributional Kernel [20.629723195973412]
我々はまず,CID(Change-Interval Detection)問題の特別な場合として,CDD問題を一般化する。
近年の分離分布カーネル(IDK)に基づくCID手法iCIDを提案する。
iCIDの有効性と効率は、合成データセットと実世界のデータセットの両方で体系的に検証されている。
論文 参考訳（メタデータ） (2022-12-30T10:56:56Z) - Non-Coherent Over-the-Air Decentralized Gradient Descent [0.0]
無線システムにおける分散グラディエントDescentの実装は、ノイズ、フェーディング、帯域幅の制限により困難である。
本稿では,スケジューリング,トポロジ情報,CSIの必要性を解消するスケーラブルなDGDアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-11-19T19:15:34Z) - ADPS: Asymmetric Distillation Post-Segmentation for Image Anomaly
Detection [75.68023968735523]
知識蒸留に基づく異常検出 (KDAD) 法は, 異常領域を検出し, セグメント化するために, 教師学生のパラダイムに頼っている。
非対称蒸留ポストセグメンテーション(ADPS)と呼ばれる革新的なアプローチを提案する。
我々のADPSは、教師-学生ネットワークの入力と同じイメージの異なる形態の非対称蒸留パラダイムを採用している。
ADPSは,MVTec ADとKolektorSDD2データセットで平均精度(AP)を9%,20%向上させることを示した。
論文 参考訳（メタデータ） (2022-10-19T12:04:47Z) - Combating Mode Collapse in GANs via Manifold Entropy Estimation [70.06639443446545]
Generative Adversarial Networks (GAN) は、様々なタスクやアプリケーションにおいて魅力的な結果を示している。
GANのモード崩壊問題に対処するための新しいトレーニングパイプラインを提案する。
論文 参考訳（メタデータ） (2022-08-25T12:33:31Z) - Guided Diffusion Model for Adversarial Purification [103.4596751105955]
敵攻撃は、様々なアルゴリズムやフレームワークでディープニューラルネットワーク(DNN)を妨害する。
本稿では,GDMP ( Guided diffusion model for purification) と呼ばれる新しい精製法を提案する。
様々なデータセットにわたる包括的実験において,提案したGDMPは,敵対的攻撃によって引き起こされた摂動を浅い範囲に減少させることを示した。
論文 参考訳（メタデータ） (2022-05-30T10:11:15Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳（メタデータ） (2022-01-29T10:54:57Z) - Detached Error Feedback for Distributed SGD with Random Sparsification [98.98236187442258]
コミュニケーションのボトルネックは、大規模なディープラーニングにおいて重要な問題である。
非効率な分散問題に対する誤りフィードバックよりも優れた収束性を示す分散誤差フィードバック(DEF)アルゴリズムを提案する。
また、DEFよりも優れた境界を示すDEFの一般化を加速するDEFAを提案する。
論文 参考訳（メタデータ） (2020-04-11T03:50:59Z)
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。