[논문 리뷰] Anomaly detection of energy consumption in buildings: A review, current trends and new perspectives.

Yassine Himeur, Abdullah Alsalemi외 2명|arXiv (Cornell University)|2020. 10. 09.

Anomaly Detection Techniques and Applications인용 수 7

한 줄 요약

이 논문은 건물 에너지 소비에서의 이상 탐지에 대한 종합적인 리뷰를 제시하며, 기계 학습 알고리즘, 특징 추출, 탐지 수준, 프라이버시 보존을 기반으로 기존 방법을 분류하는 새로운 분류 체계를 도입한다. 표준 정의, 애너테이션된 데이터셋, 통합된 평가 지표, 재현 가능한 플랫폼이 부족한 핵심 격차를 밝히고, 분야의 발전을 위한 향후 연구 방향을 제시한다.

ABSTRACT

Enormous amounts of data are being produced everyday by submeters and smart sensors installed in different kinds of buildings. If leveraged properly, that data could assist end-users, energy producers and utility companies in detecting anomalous power consumption and understanding the causes of each anomaly. Therefore, anomaly detection could stop a minor problem to become widespread, costly and time-consuming issue. Moreover, this will help in better decision-making to reduce wasted energy and promote sustainable and energy efficiency behavior. In this regard, this paper is proposed to indepthly review existing frameworks of anomaly detection in power consumption and provide a critical analysis of existing solutions. Specifically, a comprehensive survey is introduced, in which a novel taxonomy is introduced to classify existing algorithms based on different factors adopted in their implementation, such as the machine learning algorithm, feature extraction approach, detection level, computing platform, application scenario and privacy preservation. To the best of the authors' knowledge, this is the first review article that discusses the anomaly detection in building energy consumption. Moving forward, important findings along with domain-specific problems, difficulties and challenges that remain unresolved are thoroughly discussed, including the absence of: (i) precise definitions of anomalous power consumptions, (ii) annotated datasets, (iii) unified metrics to assess the performance of existing solutions, and (iv) platforms for reproducibility. Following, insights about current research trends that anomaly detection technology needs to target for widespreading its application and facilitate its implementation are described before deriving a set of challenging future directions attracting significant research and development attention.

연구 동기 및 목표

• 스마트 미터 및 센서 데이터를 활용한 건물 에너지 소비에서의 이상 탐지 기반 프레임워크에 대한 체계적인 리뷰를 제공하는 것.
• 비표준 정의, 이방성 에너지 소비 패턴의 부재, 애너테이션된 데이터셋의 부족 등 분야 내 핵심 과제를 규명하는 것.
• 알고리즘 유형, 특징 추출, 탐지 수준, 컴퓨팅 플랫폼, 적용 맥락, 프라이버시 메커니즘을 기반으로 이상 탐지 방법을 분류하는 새로운 분류 체계를 제안하는 것.
• 일관되지 않은 평가 지표와 제한된 재현 가능성 플랫폼 등 해결되지 않은 문제를 부각하는 것.
• 더 넓은 도입과 강력한 이상 탐지 시스템 개발을 지원하기 위한 새로운 연구 추세와 향후 연구 방향을 제시하는 것.

제안 방법

• 저자는 건물 에너지 시스템에서의 기존 이상 탐지 접근법에 대한 종합적 설문 조사를 수행하며, 서브미터 및 스마트 센서 데이터에 중점을 둔다.
• 기계 학습 알고리즘, 특징 추출 기법, 탐지 수준(예: 점, 패턴, 시스템), 컴퓨팅 플랫폼(에지, 클라우드, 하이브리드), 응용 시나리오(주거, 상업, 산업), 프라이버시 보존 방법의 6개 차원을 기반으로 방법을 분류하는 새로운 분류 체계를 개발한다.
• 존재하는 솔루션을 비판적으로 분석하며, 기술적, 데이터적, 방법론적 한계를 강조한다.
• 현재 연구 추세를 평가하고, 표준화된 벤치마킹과 재현 가능한 실험 플랫폼 등 혁신이 필요한 핵심 분야를 식별한다.
• 출판된 연구 결과를 통합하여 통찰을 도출함으로써 향후 연구 우선순위와 시스템 설계 원칙을 안내한다.

실험 결과

연구 질문

• RQ1 기존 건물 에너지 소비에서의 이상 탐지 방법을 어떻게 체계적으로 분류할 수 있으며, 그 차이를 이끌어내는 주요 요소는 무엇인가?
• RQ2 건물 에너지 데이터를 위한 이상 탐지 시스템 개발 및 구현 과정에서 발생하는 주요 해결되지 않은 과제는 무엇인가?
• RQ3 왜 다양한 연구에서 이방성 에너지 소비 패턴을 정의하는 데 표준화가 이루어지지 않는가?
• RQ4 애너테이션된 데이터셋과 통합된 평가 지표의 부재가 분야의 진전을 어떻게 저해할 수 있는가?
• RQ5 건물에서 이상 탐지 솔루션의 광범위한 도입과 재현 가능성 향상을 위해 가장 중요한 향후 연구 방향은 무엇인가?

주요 결과

• 이 논문은 다양한 구현 요소를 기반으로 건물 에너지 소비에서 이상 탐지 방법을 통합적으로 분류하는 새로운 분류 체계를 제안하는 최초의 종합적 리뷰이다.
• 다양한 건물 유형과 용도에 따라 이방성 에너지 소비를 구성하는 기준에 대한 정확하고 표준화된 정의가 부족한 심각한 격차가 존재한다.
• 모델 훈련 및 검증을 위한 공개 가능하고 잘 애너테이션된 데이터셋이 부족하여 재현 가능성과 벤치마킹이 제한된다.
• 다양한 이상 탐지 알고리즘의 성능을 공정하게 비교할 수 있는 통합된 지표가 존재하지 않아 연구 간 평가가 일관되지 않다.
• 이상 탐지 시스템의 배포 및 재현을 위한 기존 플랫폼은 제한되어 있어 실생활 적용과 연구 협업을 방해한다.
• 향후 연구는 표준화된 벤치마킹, 공유 데이터셋, 재현 가능한 프레임워크의 개발을 우선시해야 하며, 이는 혁신과 도입을 가속화할 것이다.