[論文レビュー] Anomaly detection of energy consumption in buildings: A review, current trends and new perspectives.

Yassine Himeur, Abdullah Alsalemi+2 more|arXiv (Cornell University)|Oct 9, 2020

Anomaly Detection Techniques and Applications被引用数 7

ひとこと要約

本論文は、スマートメーターおよびセンサーからのデータを用いた建物のエネルギー消費における異常検出に関する包括的なレビューを提示し、機械学習アルゴリズム、特徴抽出、検出レベル、プライバシー保護の観点から既存の手法を分類するための新規分類法を導入している。標準化された定義、アノテート済みデータセット、統一された評価指標、再現可能なプラットフォームの欠如といった重要なギャップを特定し、分野の発展に向けた今後の研究方向性を提示している。

ABSTRACT

Enormous amounts of data are being produced everyday by submeters and smart sensors installed in different kinds of buildings. If leveraged properly, that data could assist end-users, energy producers and utility companies in detecting anomalous power consumption and understanding the causes of each anomaly. Therefore, anomaly detection could stop a minor problem to become widespread, costly and time-consuming issue. Moreover, this will help in better decision-making to reduce wasted energy and promote sustainable and energy efficiency behavior. In this regard, this paper is proposed to indepthly review existing frameworks of anomaly detection in power consumption and provide a critical analysis of existing solutions. Specifically, a comprehensive survey is introduced, in which a novel taxonomy is introduced to classify existing algorithms based on different factors adopted in their implementation, such as the machine learning algorithm, feature extraction approach, detection level, computing platform, application scenario and privacy preservation. To the best of the authors' knowledge, this is the first review article that discusses the anomaly detection in building energy consumption. Moving forward, important findings along with domain-specific problems, difficulties and challenges that remain unresolved are thoroughly discussed, including the absence of: (i) precise definitions of anomalous power consumptions, (ii) annotated datasets, (iii) unified metrics to assess the performance of existing solutions, and (iv) platforms for reproducibility. Following, insights about current research trends that anomaly detection technology needs to target for widespreading its application and facilitate its implementation are described before deriving a set of challenging future directions attracting significant research and development attention.

研究の動機と目的

• スマートメーターおよびセンサーのデータを用いた建物のエネルギー消費における異常検出フレームワークの体系的レビューを提供すること。
• 異常エネルギー使用のための標準化された定義の欠如や、アノテート済みデータセットの不足を含む、分野における主な課題を特定すること。
• アルゴリズムの種別、特徴抽出、検出レベル、計算プラットフォーム、応用状況、プライバシー保護メカニズムに基づいて、異常検出手法を分類するための新規分類法を提案すること。
• 一貫性のない評価指標や再現性の低いプラットフォームといった未解決の問題を強調すること。
• 建物における異常検出システムの広範な採用と発展を支援するための、新たな研究動向と今後の方向性を提示すること。

提案手法

• 著者らは、サブメーターおよびスマートセンサーのデータを対象として、建物エネルギーシステムにおける既存の異常検出手法について包括的なサーベイを実施している。
• 機械学習アルゴリズム、特徴抽出技術、検出レベル（例：ポイント、パターン、システム）、計算プラットフォーム（エッジ、クラウド、ハイブリッド）、応用シナリオ（住宅、商業、産業）、プライバシー保護手法の6つの次元に基づいて、手法を分類するための新規分類法を構築している。
• 既存のソリューションを批判的に分析し、技術的・データ的・手法論的限界に焦点を当てている。
• 現在の研究動向を評価し、標準化されたベンチマークや再現可能な実験プラットフォームといった、革新が求められる主要な分野を同定している。
• 出版済みの文献の統合から得られた知見を基に、今後の研究の優先順位とシステム設計の原則を導出している。

実験結果

リサーチクエスチョン

• RQ1 建物のエネルギー消費における既存の異常検出手法を区別する主な要因は何であり、それらはどのように体系的に分類できるか？
• RQ2 建物エネルギーデータ向けの異常検出システムの開発および導入において、主な未解決課題は何か？
• RQ3 なぜ研究間で異常エネルギー消費パターンの定義が標準化されていないのか？
• RQ4 アノテート済みデータセットの欠如や統一された評価指標の不在が、分野の進展をどのように妨げているのか？
• RQ5 建物における異常検出手法の広範な採用と再現可能性を実現するにあたり、最も重要な今後の研究方向性は何か？

主な発見

• 本研究は、実装要因を複数の観点から統合的に考慮した異常検出手法の統一された分類法を提唱する、最初の包括的レビューである。
• 異なる建物タイプや利用状況において、異常エネルギー消費とは何かを明確に定義する標準化された定義が欠如しているという深刻なギャップが存在する。
• モデルの学習および検証に使用可能な公開済みで、適切にアノテートされたデータセットが不足しており、再現性やベンチマークの実施が制限されている。
• 異なる異常検出アルゴリズムの性能を公平に比較できる統一された指標が存在しないため、研究間で評価が一貫性を欠いている。
• 異常検出システムのデプロイおよび再現を可能にする既存のプラットフォームは限定的であり、実用的導入や研究協働を妨げている。
• 今後の研究では、標準化されたベンチマーク、共有データセット、再現可能なフレームワークの開発を優先すべきである。