[논문 리뷰] Analysis of Aggregated Functional Data from Mixed Populations with Application to Energy Consumption

Lenzi, Amanda, de Souza, Camila P. E.외 3명|arXiv (Cornell University)|2014. 02. 07.

Complex Network Analysis Techniques인용 수 4

한 줄 요약

이 논문은 수집된 집계된 데이터와 잘못 보고된 데이터로부터 진짜 소비자 계급 수와 계급별 에너지 소비 패턴을 추정하기 위해 기능적 혼합효과 모델을 제안한다. B-spline 스무딩과 무작위 계수를 사용하며, 보고 오류를 다루기 위해 새로운 수치 기법을 적용한 최대우도 기반 접근법을 사용하여 실제 소비자 유형과 소비 곡선의 추정을 향상시킨다. 실제 및 시뮬레이션 데이터에서 계급 수가 잘못 보고된 상황에서도 성능이 향상됨을 입증한다.

ABSTRACT

Understanding the energy consumption patterns of different types of consumers is essential in any planning of energy distribution. However, obtaining consumption information for single individuals is often either not possible or too expensive. Therefore, we consider data from aggregations of energy use, that is, from sums of individuals' energy use, where each individual falls into one of C consumer classes. Unfortunately, the exact number of individuals of each class may be unknown: consumers do not always report the appropriate class, due to various factors including differential energy rates for different consumer classes. We develop a methodology to estimate the expected energy use of each class as a function of time and the true number of consumers in each class. We also provide some measure of uncertainty of the resulting estimates. To accomplish this, we assume that the expected consumption is a function of time that can be well approximated by a linear combination of B-splines. Individual consumer perturbations from this baseline are modeled as B-splines with random coefficients. We treat the reported numbers of consumers in each category as random variables with distribution depending on the true number of consumers in each class and on the probabilities of a consumer in one class reporting as another class. We obtain maximum likelihood estimates of all parameters via a maximization algorithm. We introduce a special numerical trick for calculating the maximum likelihood estimates of the true number of consumers in each class. We apply our method to a data set and study our method via simulation.

연구 동기 및 목표

• 차등 적용 에너지 요금으로 인해 보고된 수치가 잘못 보고될 경우 진짜 소비자 계급 수를 추정하기 위해
• B-spline 기저 전개를 사용하여 시간에 따른 계급별 에너지 소비 패턴을 부드러운 함수로 모델링하기 위해
• 스플라인 계수에 대한 무작위 효과를 통해 변압기 내 상관관계와 측정 변동성을 고려하기 위해
• 소비 곡선, 진짜 수량, 보고 오류 확률을 동시에 추정할 수 있는 최대우도 추정 프레임워크를 개발하기 위해
• 다양한 데이터 구조(예: 변압기 수와 복제 수) 하에서 방법의 성능 평가하기 위해

제안 방법

• 시간에 따른 평균 소비량을 부드러움을 보장하기 위해 B-spline 기저 함수의 선형 조합으로 모델링한다.
• 각 소비자 개인의 평균 곡선에서의 편차를 무작위 계수를 가진 B-spline으로 포함하여 계층 내 변동성을 포착한다.
• 보고된 소비자 수를 진짜 수량과 오류 확률에 따라 영향을 받는 다항분포 유사 분포를 가진 랜덤 변수로 간주한다.
• 진짜 소비자 수의 최대우도 추정치를 효율적으로 계산하기 위해 특수한 수치 알고리즘(정리 1)을 사용한다.
• 분산 성분과 소비자 수준의 무작위 효과를 추정하기 위해 프로파일 최대우도 접근법을 적용한다.
• 시뮬레이션 연구와 브라질의 변압기에서 확보한 실제 데이터를 활용하여 다양한 보고 오류 및 데이터 가용성 조건 하에서 모델의 유효성을 검증한다.

실험 결과

연구 질문

• RQ1 경제적 유인으로 인해 체계적으로 잘못 보고되는 경우, 진짜 소비자 계급 수를 어떻게 추정할 수 있는가?
• RQ2 B-spline 스무딩을 사용한 기능적 데이터 분석은 집계된 변압기 수준의 데이터로부터 계급별 에너지 소비 패턴을 얼마나 정확하게 복원할 수 있는가?
• RQ3 소비자 수준의 편차에 대한 무작위 효과를 포함함으로써 모델 적합도와 불확실성 정량화는 어떻게 향상되는가?
• RQ4 변압기 수와 관측 일수(복제 수)의 영향은 추정된 소비자 수량과 소비 곡선의 정확성과 정밀도에 어떤 영향을 미치는가?
• RQ5 보고 오류가 존재하는 상황에서도 제안된 최대우도 기반 방법이 추정된 소비자 유형의 편향을 효과적으로 줄일 수 있는가?

주요 결과

• 다수의 변압기를 사용할 경우 보고된 수치에서 벗어나 진짜 값 쪽으로 추정치를 이동시키며, 진짜 소비자 수량을 성공적으로 추정하였다.
• 한 개의 일자 데이터만 제공되는 경우 소비자 수준의 분산 성분 추정치가 자주 0이 되었으며, 이러한 추정에 필요한 정보가 제한됨을 시사한다.
• 변압기 수를 늘임으로써 소비자 수량 추정치의 편향이 감소했지만, 복제 수를 늘여도 편향 감소 효과는 유의미하지 않았다.
• 복제 수가 많아질수록 추정된 소비자 수량의 변동성이 감소했지만, 변압기 수 증가로는 유사한 효과를 보이지 않아 복제 수가 정밀도 향상에 더 효과적임을 시사한다.
• 실제 데이터에 대해 모델은 합리적인 적합도를 보였으며, 관측된 집계 곡선과 추정된 계급별 평균 곡선의 가중합 사이의 근접한 일치를 보였다.
• 시뮬레이션 결과에서 진짜 소비자 수량의 가장 흔한 추정치는 보통 보고된 수치와 진짜 값 사이에 위치하여 진짜 값 쪽으로 보정되는 경향을 보였다.