論文の概要: EnThM: Energy Theft Mitigation in Smart Grids using Hierarchical Verification of Metering Data

• arxiv url: http://arxiv.org/abs/2605.24951v1
• Date: Sun, 24 May 2026 09:03:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.538362
• Title: EnThM: Energy Theft Mitigation in Smart Grids using Hierarchical Verification of Metering Data
• Title（参考訳）: EnThM:計測データの階層的検証によるスマートグリッドのエネルギー盗難軽減
• Authors: Tapadyoti Banerjee, Pabitra Mitra, Dipanwita Roy Chowdhury,
• Abstract要約: 本稿では,スマートグリッドシステムにおける電力盗難をリアルタイムに軽減するための軽量で通信効率のよいEnThMを提案する。 提案手法では,スマートグリッドインフラストラクチャの階層構造を用いて,計測データの信頼性を検証する。 提案手法は, 高精度, 効率的な実装, リアルタイム適用性を有するベンチマーク消費データを用いて検証されている。
• 参考スコア（独自算出の注目度）: 8.675196978230892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of digital technologies has revolutionized traditional power distribution networks, transforming them into smart grids that are more reliable, efficient, and sustainable. Despite these advancements, electricity theft remains a significant threat to the effective operation of large electrical networks. To address this issue, we propose EnThM, a lightweight and communication-efficient scheme for real-time mitigation of power theft in smart grid systems. Our approach uses the hierarchical structure of the smart grid infrastructure to verify the authenticity of the metering data at multiple levels of the power distribution network. Our work focuses primarily on issues related to cryptographic security. The verification process involves statistically modeling the cumulative averages of the power usage data and applying rule-based checks on the aggregated power consumption at each level, while accounting for seasonal and daily consumption variations. The proposed method has been tested on benchmark consumption data, yielding high accuracy, efficient implementation, and real-time applicability.
• Abstract（参考訳）: デジタル技術の出現は、従来の電力流通ネットワークに革命をもたらし、より信頼性、効率、持続性のあるスマートグリッドへと変貌を遂げた。 これらの進歩にもかかわらず、電気盗難は大規模な電気ネットワークの効果的な運用にとって重要な脅威である。 この問題に対処するために,スマートグリッドシステムにおける電力盗難をリアルタイムに軽減するための軽量かつ通信効率のよいEnThMを提案する。 提案手法では,電力配電網の複数レベルにおける計測データの信頼性を検証するために,スマートグリッドインフラストラクチャの階層構造を用いる。 私たちの研究は、主に暗号セキュリティに関する問題に焦点を当てています。 検証プロセスは、電力使用量の累積平均を統計的にモデル化し、季節的および日次的な消費変動を考慮しつつ、各レベルにおける集約電力消費に関するルールベースのチェックを適用する。 提案手法は, 高精度, 効率的な実装, リアルタイム適用性を有するベンチマーク消費データを用いて検証されている。

関連論文リスト

• Predicting Large-scale Urban Network Dynamics with Energy-informed Graph Neural Diffusion [51.198001060683296]
  ネットワーク化された都市システムは人、資源、サービスのフローを促進する。 グラフニューラルネットワークのような現在のモデルは、将来性を示しているが、有効性と効率性のトレードオフに直面している。 本論文は,本質的なモデル設計を伝えるための物理法則からインスピレーションを得て,このトレードオフに対処する。
  論文  参考訳（メタデータ） (2025-07-31T01:24:01Z)
• Smart Energy Guardian: A Hybrid Deep Learning Model for Detecting Fraudulent PV Generation [13.146806294562474]
  本研究では,住宅用太陽光発電における不正行為を正確に識別する効率的な電気盗難検出手法を提案する。 CNN、Long Short-Term Memory(LSTM)、Transformerを組み合わせたハイブリッドディープラーニングモデルでは、短期的および長期的両方の時間的依存関係の取得に優れています。
  論文  参考訳（メタデータ） (2025-05-24T15:47:00Z)
• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Privacy-Preserving Power Flow Analysis via Secure Multi-Party Computation [1.8006898281412764]
  本稿では,暗号的に隠されたプロシューマーデータに対して,電力フロー解析を行う方法を示す。 ユニバーサル・コンポーザビリティ・フレームワークにおける我々のアプローチの安全性について分析する。
  論文  参考訳（メタデータ） (2024-11-21T20:04:16Z)
• Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
  ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。 マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。 シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
  論文  参考訳（メタデータ） (2023-09-16T11:37:23Z)
• 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)
• Distributed Energy Management and Demand Response in Smart Grids: A Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
  本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。 特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
  論文  参考訳（メタデータ） (2022-11-29T01:18:58Z)
• 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)
• Authentication of Smart Grid Communications using Quantum Key Distribution [0.0]
  スマートグリッド通信の認証における量子鍵分散(QKD)キーの利用について報告する。 開発した手法は,暗号鍵の管理と利用を目的としたソフトウェアパッケージで試作された。 このデモは、重要なインフラストラクチャのセキュリティを改善するためにQKDを使用することの可能性を示している。
  論文  参考訳（メタデータ） (2021-10-07T14:50:46Z)
• An Ensemble Deep Convolutional Neural Network Model for Electricity Theft Detection in Smart Grids [2.281079191664481]
  電力盗難検知(EDT)アルゴリズムは、この非技術的損失(NTL)が電力システムにおいて重大な課題を引き起こす可能性があるため、一般的にそのような目的のために使用される。 本稿では,スマートグリッドにおけるETDのためのEnsemble Deep Convolutional Neural Network (EDCNN)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-10T18:27:13Z)

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。