Acquiring Better Load Estimates by Combining Anomaly and Change Point Detection in Power Grid Time-series Measurements

要約

この論文では、電力網システムにおける負荷推定を改善するための、自動異常およびスイッチ イベント フィルタリングの新しい方法論を紹介します。
教師なし手法と教師あり最適化を活用することで、私たちのアプローチは解釈可能性を優先しながら、目に見えないデータに対する堅牢で一般化可能なパフォーマンスを保証します。
実験を通じて、変化点検出のためのバイナリ セグメンテーションと異常検出のための統計的プロセス制御の組み合わせが、特に新しいシーケンシャルな方法でアンサンブルした場合に最も効果的な戦略であることがわかりました。
結果は、フィルタリングが適用されていない場合の明らかな無駄な可能性を示しています。
自動負荷推定もかなり正確で、推定値の約 90% が 10% の誤差範囲内に収まり、テスト セットの 60 回の測定全体で最小負荷推定値と最大負荷推定値の両方で重大な失敗が 1 つだけ発生しました。
私たちの方法論は解釈可能であるため、重要なインフラストラクチャの計画に特に適しており、それによって意思決定プロセスが強化されます。

要約(オリジナル)

In this paper we present novel methodology for automatic anomaly and switch event filtering to improve load estimation in power grid systems. By leveraging unsupervised methods with supervised optimization, our approach prioritizes interpretability while ensuring robust and generalizable performance on unseen data. Through experimentation, a combination of binary segmentation for change point detection and statistical process control for anomaly detection emerges as the most effective strategy, specifically when ensembled in a novel sequential manner. Results indicate the clear wasted potential when filtering is not applied. The automatic load estimation is also fairly accurate, with approximately 90% of estimates falling within a 10% error margin, with only a single significant failure in both the minimum and maximum load estimates across 60 measurements in the test set. Our methodology’s interpretability makes it particularly suitable for critical infrastructure planning, thereby enhancing decision-making processes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google