[論文レビュー] Neighborhood Features Help Detecting Electricity Theft in Big Data Sets.

Patrick Glauner, Jorge Augusto Meira+5 more|arXiv (Cornell University)|Jul 4, 2016

Electricity Theft Detection Techniques参考文献 16被引用数 3

ひとこと要約

本稿では、グリッド単位の点検割合と非技術的損失（NTL）率を分析することで、大規模な電力配電網における電力盗難を検出する、地域ベースの特徴工学的手法を提案する。70万件の顧客を対象に3100万件のメーター読み取りデータを用い、空間的、時間的、マスターデータ特徴を統合し、4つのスケーラブルな機械学習モデルを構築することで、NTL割合が1%から90%にわたる範囲で検出精度が向上した。

ABSTRACT

Electricity theft is a major problem around the world in both developed and developing countries and may range up to 40% of the total electricity distributed. More generally, electricity theft belongs to non-technical losses (NTL), which are losses that occur during the distribution of electricity in power grids. In this paper, we build features from the neighborhood of customers. We first split the area in which the customers are located into grids of different sizes. For each grid cell we then compute the proportion of inspected customers and the proportion of NTL found among the inspected customers. We then analyze the distributions of features generated and show why they are useful to predict NTL. In addition, we compute features from the consumption time series of customers. We also use master data features of customers, such as their customer class and voltage of their connection. We compute these features for a Big Data base of 31M meter readings, 700K customers and 400K inspection results. We then use these features to train four machine learning algorithms that are particularly suitable for Big Data sets because of their parallelizable structure: logistic regression, k-nearest neighbors, linear support vector machine and random forest. Using the neighborhood features instead of only analyzing the time series has resulted in appreciable results for Big Data sets for varying NTL proportions of 1%-90%. This work can therefore be deployed to a wide range of different regions around the world.

研究の動機と目的

• 一部の地域では最大40％に達する非技術的損失（NTL）の広範な問題に対処すること。
• 従来の時系列および顧客データ特徴に加え、空間的近隣パターンを組み込むことで、大規模データセットにおける電力盗難の検出を向上させること。
• 多様なグローバル地域の環境に適応可能な、スケーラブルで並列処理可能な機械学習パイプラインを構築すること。
• さまざまなNTL出現率の下で、地域ベースの特徴が検出性能をどのように向上させるかを評価すること。

提案手法

• 地理的領域をさまざまなサイズのグリッドに分割し、近隣レベルでの顧客データを集約する。
• 各グリッドセルに対して2つの主要な近隣特徴を計算する：点検済み顧客の割合と、点検済み顧客における非技術的損失（NTL）の割合。
• 顧客のメーター読み取りデータから時系列特徴を生成し、顧客クラスや電圧レベルなどのマスターデータを統合する。
• 4つの並列処理可能な機械学習アルゴリズム（ロジスティック回帰、k近傍法、線形サポートベクターマシン、ランダムフォレスト）を特徴セットに適用する。
• 3100万件のメーター読み取りデータ、70万件の顧客、40万件の点検結果を含むBig Dataセットを用いてモデルを学習する。
• 近隣特徴の分布を用いて、NTL検出における予測的有用性を検証する。

実験結果

リサーチクエスチョン

• RQ1 点検およびNTLの割合といった近隣レベルの特徴は、大規模データセットにおける電力盗難検出をどの程度向上させるか？
• RQ2 時系列およびマスターデータ特徴のみを用いる場合と比較して、空間的特徴は検出性能をどの程度向上させるか？
• RQ3 本手法は、1%から90%までのさまざまなNTL出現率の下で、どの程度の性能を示すか？
• RQ4 空間的、時間的、顧客固有の特徴を統合することで、多様な地域的文脈におけるより強固な検出が可能になるか？

主な発見

• 時系列またはマスターデータ特徴のみを用いたモデルと比較して、近隣特徴の組み込みが検出性能を顕著に向上させた。
• 提案手法は、NTL割合が1%から90%にわたる広範な範囲で顕著な結果を達成した。これは、損失レベルが変動する状況でも堅牢であることを示している。
• ロジスティック回帰、k近傍法、線形SVM、ランダムフォレストの4つの機械学習モデルが、Big Dataセット上でスケーラブルかつ並列処理可能な形で効果的に適用された。
• 近隣特徴の分布は、NTLの予測に有用で情報的であることが判明し、検出パイプラインへの統合を支持するものであった。
• 本手法は、NTLレベルの変動に柔軟に対応でき、スケーラブルなアーキテクチャを備えているため、多様な地域への展開が可能である。
• グリッドベースの集約から得られる空間的特徴が、個々の顧客行動を超えた意味のある文脈を提供し、モデル性能の向上に寄与した。