Core Concepts
建物の電力消費の異常を迅速に検知し、早期警告を発することで、財務的損失や火災などの潜在的な災害を防ぐことができる。
Abstract
本研究は、建物の電力消費データを分析し、異常検知のための統合的なフレームワークを提案しています。
監視付き学習と非監視付き学習の両方のアプローチを調査し、動的な異常検知システムを導入しています。
監視付き学習では、Light Gradient Boosting Machineを使用し、マハラノビス距離と移動平均を組み合わせた動的しきい値を設定しています。
非監視付き学習では、オートエンコーダを使用し、再構成誤差に基づいて異常を検出しています。動的しきい値は再構成誤差の平均と標準偏差に基づいて設定されます。
提案手法は、実際の電力消費データを使って評価されており、実世界での適用性が確認されています。
異常の早期検知により、電力管理の最適化と持続可能性の向上に大きく貢献できます。
Stats
電力消費の平均値は約135.68ユニットで、標準偏差は50.08ユニットです。
最大電力消費量は425ユニットです。
1時間前の電力消費量と2時間前の電力消費量が、電力消費予測に最も重要な特徴です。
Quotes
"建物の運営は全体の電力消費の30%を占め、地球規模の電力関連排出の26%を占めています。"
"異常を早期に検知し、根本原因分析を行うことは、財務的損失や潜在的な災害を防ぐために不可欠です。"