[논문 리뷰] Adaptive Event Detection for Representative Load Signature Extraction

Lei Yan, Wei Tian외 2명|arXiv (Cornell University)|2021. 07. 23.

Smart Grid Energy Management참고 문헌 25인용 수 4

한 줄 요약

이 논문은 고속 주거용 부하 데이터(≥1Hz)에서 일시적인 사건을 정확하게 탐지하기 위해 창 너비, 마진 너비, 임계값을 동적으로 조정하는 적응형 사고 감지 방법 WAMMA를 제안한다. 이 방법은 20Hz, 50Hz, 60Hz 데이터셋에서 최신 기술보다 뛰어난 성능을 보이며, 정밀한 탐지 및 정량화를 통해 대표적인 일시적 및 안정 상태 부하 특징을 추출하여 NILM 정확도 향상과 부하 재구성에 기여한다.

ABSTRACT

Event detection is the first step in event-based non-intrusive load monitoring (NILM) and it can provide useful transient information to identify appliances. However, existing event detection methods with fixed parameters may fail in case of unpredictable and complicated residential load changes such as high fluctuation, long transition, and near simultaneity. This paper proposes a dynamic time-window approach to deal with these highly complex load variations. Specifically, a window with adaptive margins, multi-timescale window screening, and adaptive threshold (WAMMA) method is proposed to detect events in aggregated home appliance load data with high sampling rate (>1Hz). The proposed method accurately captures the transient process by adaptively tuning parameters including window width, margin width, and change threshold. Furthermore, representative transient and steady-state load signatures are extracted and, for the first time, quantified from transient and steady periods segmented by detected events. Case studies on a 20Hz dataset, the 50Hz LIFTED dataset, and the 60Hz BLUED dataset show that the proposed method can robustly outperform other state-of-art event detection methods. This paper also shows that the extracted load signatures can improve NILM accuracy and help develop other applications such as load reconstruction to generate realistic load data for NILM research.

연구 동기 및 목표

• 고속 변동, 장기간 전이, 근접 동시 발생 사고와 같은 복잡한 주거용 부하 변동을 다루는 데에 고정 매개변수 사고 감지 기법의 한계를 해결하기 위해.
• 실시간으로 변화하는 부하 역학에 적응하는 동적 시간 창 접근법을 개발하기 위해.
• 사고 분할된 데이터에서 대표적인 일시적 및 안정 상태 부하 특징을 추출하고 정량적으로 특성화하여 NILM 성능 향상에 기여하기 위해.
• 추출된 특징이 NILM 정확도 향상과 부하 재구성 응용에 어떻게 기여하는지 입증하기 위해.

제안 방법

• 고정된 창 너비, 마진 너비, 임계값을 사용하는 기존 방법에 비해 부하 신호의 특성에 따라 동적으로 조정 가능한 창 너비, 적응형 마진, 다중 시간 스케일 창 스크리닝 및 적응형 임계값을 결합한 WAMMA 방법을 제안하여 고샘플링 레이트 부하 데이터에서의 사고 감지에 활용한다.
• 신호 특성에 따라 동적으로 조정되는 창 너비를 사용하여 일시적 사고를 놓치지 않고 과적합을 방지한다.
• 지역적 신호 에너지와 변화율에 따라 변하는 적응형 마진과 임계값을 통합하여 감지 정확도를 향상시킨다.
• 다중 시간 스케일 분석을 적용하여 빠른 전이와 느린 전이 모두를 탐지하기 위해 다양한 시간 스케일에서의 신호 변화를 비교한다.
• 감지된 사고를 기반으로 부하 데이터를 일시적 및 안정 상태 기간으로 분할하여 대표적인 특징을 추출한다.
• 하류 NILM 및 부하 재구성 작업에 사용 가능한 일시적 및 안정 상태 단계에서 추출된 특징을 정량화한다.

실험 결과

연구 질문

• RQ1 적응형 사고 감지 방법이 높은 부하 변동 조건에서 고정 매개변수 방법보다 우수한 성능을 보일 수 있는가?
• RQ2 제안된 WAMMA 방법이 장기간 전이 기간과 근접 동시 작동하는 가전기 운영과 같은 복잡한 주거용 부하 역학을 얼마나 효과적으로 다룰 수 있는가?
• RQ3 추출된 일시적 및 안정 상태 부하 특징이 기존 방법에 비해 NILM 정확도 향상에 얼마나 기여하는가?
• RQ4 추출된 부하 특징을 활용해 NILM 연구 및 응용에 실용적인 합성 부하 데이터를 생성할 수 있는가?

주요 결과

• WAMMA 방법은 20Hz, 50Hz(LIFTED), 60Hz(BLUED) 데이터를 포함한 다수의 고속 데이터셋에서 뛰어난 사고 감지 성능을 달성하며, 최신 기술보다 뛰어난 성능을 보였다.
• 신호 특성에 따라 창 너비, 마진 너비, 변화 임계값을 동적으로 조정함으로써 높은 정확도로 일시적 과정을 성공적으로 포착하였다.
• 일시적 및 안정 상태 단계에서 추출된 대표 부하 특징을 최초로 정량화하여 가전기 동작의 정밀한 특성화를 가능하게 하였다.
• 추출된 특징을 활용함으로써 NILM 정확도가 향상되어, 부하 분해 분석 과제에서 그 가치를 입증하였다.
• 추출된 특징 기반으로 합성 부하 데이터를 생성함으로써 현실적인 부하 재구성을 가능하게 하여 향후 NILM 연구를 지원하였다.