[論文レビュー] Differential Privacy of Aggregated DC Optimal Power Flow Data

Fengyu Zhou, James Anderson+1 more|arXiv (Cornell University)|Mar 27, 2019

Privacy-Preserving Technologies in Data参考文献 17被引用数 4

ひとこと要約

本稿では、発電機出力の負荷変化に対する感度を分析することにより、新たな概念である$(\delta,\varepsilon)$-単調性を用いて、集約されたDC最適潮流（OPF）データに対する微分プライバシー枠組みを提案する。微分プライバシーに必要なノイズの要件は、ネットワークのトポロジーに強く依存しており、木構造のネットワークはループ型またはボトルネックを持つトポロジーに比べて、はるかに少ないノイズで済むことが示された。

ABSTRACT

We consider the problem of privately releasing aggregated network statistics obtained from solving a DC optimal power flow (OPF) problem. It is shown that the mechanism that determines the noise distribution parameters are linked to the topology of the power system and the monotonicity of the network. We derive a measure of "almost" monotonicity and show how it can be used in conjunction with a linear program in order to release aggregated OPF data using the differential privacy framework.

研究の動機と目的

• グリッドオペレーターが機微な負荷情報を漏洩させないよう、集約されたOPFデータをプライバシー保護の下で公開する課題に対処すること。
• ネットワークトポロジーが、最適発電量の負荷変化に対する感度にどのように影響するかを分析すること。これは、微分プライバシーの保証に直接関与する。
• ラプラス機構を用いて微分プライバシーに必要なノイズを定量化し、単調性やボトルネック構造などのトポロジカル特性と関連付けること。
• 同じプライバシー予算のもとでも、異なるシステムトポロジーにおいてプライバシーとユーティリティのトレードオフが顕著に異なることを示すこと。
• 理論的および実証的証拠を提示し、プライバシー保証が、特に束縛制約や発電機-負荷接続性の有無に依存する電力ネットワークの構造に依存することを確認すること。

提案手法

• 負荷の変化がネットワークを介して発電機出力にどのように伝播するかを測る指標として、$(\delta,\varepsilon)$-単調性の概念を導入する。
• ラプラス機構を用いて集約されたOPF結果にノイズを追加し、ノイズのスケールはOPF解写像の$L_1$感度に基づいて決定する。
• ネットワークトポロジー、特に負荷変化を増幅させるボトルネックを特定することにより、OPF演算子の$L_1$感度を導出する。
• 与えられたプライバシー予算$(\Delta, \varrho)$に対して、$\Delta$は最大負荷変化、$\varrho$はプライバシーパラメータである。線形計画法の定式化を用いて、必要なノイズパラメータを計算する。
• 同じプライバシー予算を用いて、木構造、IEEE 9バス、リングの3つのネットワークトポロジーを比較し、ノイズ要件と分布形状を分析する。
• DC潮流をモデル化するために、符号付きインシデント行列$\mathbf{C}$と枝アドミittance行列$\mathbf{B}$を用い、$\mathbf{p} = \mathbf{C}^T \mathbf{B}^{-1} \mathbf{C} \mathbf{d}$により潮流を計算する。ここで$\mathbf{d}$は負荷ベクトルである。

実験結果

リサーチクエスチョン

• RQ1 ネットワークトポロジーは、DC OPF問題における最適発電量の負荷変化に対する感度にどのように影響するか？
• RQ2 電力ネットワークの構造（例：ボトルネックやループの有無）と、微分プライバシーに必要なノイズ量の関係は何か？
• RQ3 $(\delta,\varepsilon)$-単調性の概念を用いて、OPFデータ公開におけるプライバシー漏洩を定量化できるか？
• RQ4 プライバシー予算が固定された場合、異なるトポロジーにおける微分プライバシーに必要なノイズスケールはどのように変化するか？
• RQ5 ラプラス機構はOPFデータに効果的に適用可能か。また、ネットワーク構造によってどのような制限が生じるか？

主な発見

• 微分プライバシーに必要なノイズの大きさは、ネットワークトポロジーに強く依存しており、木構造のネットワークはループ型またはボトルネックを持つネットワークに比べて、はるかに少ないノイズで済む。
• 単調な木構造ネットワークに1つのボトルネックがある場合、$L_1$感度は$\Delta$で有界となり、ノイズスケールは$\Delta / \varrho$に抑えられ、与えられたプライバシー予算のもとで最小となる。
• IEEE 9バスネットワークは$(\Delta, 2.01\Delta)$-単調であるため、単調な場合よりも感度が高く、同じプライバシー水準を達成するにはより多くのノイズが必要となる。
• 40バスのリングネットワークでは、システムは$(\Delta, (N-4)\Delta)$-単調であり、感度は$36\Delta$に達する。これにより、ノイズ分布はほぼ一様になり、ユーティリティが著しく低下する。
• ネットワークトポロジーが感度を増加させると、メカニズム出力の確率密度関数はより平坦化する傾向にあり、非単調またはループ型ネットワークではプライバシーの実現が難しくなることを示している。
• 本研究では、OPFデータに対する微分プライバシーが、集約領域の数とは無関係であり、ネットワークの構造的特性と感度にのみ依存することを確認した。