[論文レビュー] Detection and Estimation of the Invisible Units Using Utility Data Based on Random Matrix Theory

Xing He, Robert C. Qiu+4 more|arXiv (Cornell University)|Oct 30, 2017

Smart Grid Security and Resilience参考文献 8被引用数 4

ひとこと要約

本論文は、電力会社のデータのみを用いて、不正な屋上太陽光発電や電気自動車などの見えないユニットを検出・同定・推定する、ランダム行列理論（RMT）に基づくデータ駆動型手法を提案する。連結行列と線形固有値統計（LES）指標を活用することで、シミュレート済みおよび実世界のデータにおいて強く裏付けられた、異常検出と位置推定が可能となる。

ABSTRACT

Invisible units refer mainly to small-scale units that are not monitored, and thus are invisible to utilities and system operators, e.g., small-scale distributed units like unauthorized roof-top photovoltaics (PVs), and plug-and-play units like electric vehicles (EVs). Massive integration of invisible units into power systems could significantly affect the way in which the distribution grid is planned and operated. This paper, based on random matrix theory (RMT), proposes a data-driven approach for the detection, identification, and estimation of the existing invisible units only using easily accessible utility data. The concatenated matrices and linear eigenvalue statistic (LES) indicators are suggested as the main ingredients of this solution. Furthermore, the hypothesis testing is formulated for anomaly detection according to the statistical characteristic of LES indicators. The proposed approach is promising for anomaly detection in a complex grid--it is able to detect invisible power usage, fraud behavior and even to locate the suspect's location. The case studies, using both simulated data and actual data, validate the proposed method.

研究の動機と目的

• 配電グリッドの計画および運用を混乱させる、監視されていない小規模な分散型エネルギー資源（DER）である不正な屋上太陽光発電や電気自動車のようなものを扱う課題に取り組む。
• 配電レベルの監視データに直接アクセスできない状況でも、見えないユニットの検出と推定を可能にする手法を開発する。
• 容易に入手可能な電力会社のデータを活用し、登録されていないまたは監視されていない電力ユニットの存在と位置を推定する。
• 電力会社のデータ行列の固有値分布に基づく統計的仮説検定フレームワークを策定し、異常検出を実現する。

提案手法

• 配電ノードにおける時間的および空間的電力使用パターンを捉えるために、電力会社のデータから連結行列を構築する。
• ランダム行列理論（RMT）を適用し、連結行列の固有値分布を分析し、統計的指標を抽出する。
• 線形固有値統計（LES）を、期待されるランダム行列の挙動からの逸脱を検出するための主要指標として使用する。
• LES指標の漸近的分布に基づく仮説検定を策定し、統計的信頼性をもって見えないユニットの検出を可能にする。
• 固有値の逸脱の空間的構造を活用して、見えないユニットの可能性のある位置を推定する。
• 合成データおよび実際の電力会社データを用いて、実際の条件下でも頑健であることを確認するための検証を実施する。

実験結果

リサーチクエスチョン

• RQ1 標準的な電力会社データのみを用いて、不正な屋上太陽光発電や電気自動車などの見えないユニットを検出できるか？
• RQ2 ランダム行列理論は、監視されていないユニットを示す電力使用パターンの異常を検出するためにどのように応用できるか？
• RQ3 電力会社データ行列の線形固有値統計（LES）は、見えない電力使用の検出に信頼できる指標として機能するか？
• RQ4 本手法は、電力会社データのみを用いて、見えないユニットの位置をどの程度正確に推定できるか？
• RQ5 本手法は、通常のグリッドの異常と実際に見えないユニットの活動をどの程度正確に区別できるか？

主な発見

• 提案手法は、配電レベルのデバイスの直接監視が不要な状況でも、標準的な電力会社データのみを用いて、見えないユニットを効果的に検出できる。
• 連結された電力会社データ行列の線形固有値統計（LES）は、見えないユニットが存在する際、特徴的な統計的挙動を示し、信頼性の高い異常検出を可能にする。
• LES指標に基づく仮説検定により、見えない電力使用の検出と不正の特定に統計的信頼性をもって対応できる。
• 固有値の逸脱における空間的パターンを分析することで、見えないユニットの位置を推定できる。
• シミュレーションおよび実際の電力会社データを用いた事例研究により、登録されていない分散型エネルギー資源の検出において本手法の有効性が確認された。
• 本手法は複雑なグリッド環境においても頑健であることが示され、配電システム監視における運用導入の可能性を示している。