Attention Boosted Autoencoder for Building Energy Anomaly Detection

要約

建物内のスマート メーターから収集されたデータを活用することで、省エネに向けた政策の策定に役立てることができます。
建物の運用状況の変化を早期に発見し、適切な対策を講じることで、大幅な省エネを実現できます。
この目的に向けて、機械学習技術を使用して、収集されたデータ内のこれらの異常なパターンの発見を自動化できます。
異常検出の現在の方法は、基礎となるモデルに依存して、通常のまたは許容可能な動作動作をキャプチャします。
この論文では、建物の消費行動をモデル化するための新しい注意メカニズムを提案し、サンプルケーススタディを使用して関係をキャプチャする際のモデルの有効性を示します。
実世界のデータセットは、提案されたアーキテクチャを使用してモデル化され、結果が表示されます。
モデルによってキャプチャされた関係を理解するための視覚化アプローチも提示されます。

要約(オリジナル)

Leveraging data collected from smart meters in buildings can aid in developing policies towards energy conservation. Significant energy savings could be realised if deviations in the building operating conditions are detected early, and appropriate measures are taken. Towards this end, machine learning techniques can be used to automate the discovery of these abnormal patterns in the collected data. Current methods in anomaly detection rely on an underlying model to capture the usual or acceptable operating behaviour. In this paper, we propose a novel attention mechanism to model the consumption behaviour of a building and demonstrate the effectiveness of the model in capturing the relations using sample case studies. A real-world dataset is modelled using the proposed architecture, and the results are presented. A visualisation approach towards understanding the relations captured by the model is also presented.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google