[논문 리뷰] Early Anomaly Detection and Location in Distribution Network: A Data-Driven Approach

Xin Shi, Robert C. Qiu외 4명|arXiv (Cornell University)|2018. 01. 05.

Random Matrices and Applications참고 문헌 28인용 수 3

한 줄 요약

이 논문은 SCADA 데이터에 대한 난수 행렬 이론(RMT)을 활용하여 분포망에서 데이터 기반의 조기 이상 탐지 및 국소화 방법을 제안한다. 측정 데이터로부터 형성된 공분산 행렬의 선형 고유값 통계 및 고유벡터를 분석함으로써, 이상이 악화되기 이르기 전에 이상을 탐지하며, 저관측성 피더에서는 데이터 차원을 증가시키는 알고리즘을 통해 감도를 향상시킨다. 실제 데이터에서 최대 15시간 이르게 조기 탐지가 가능하고, 실제 고장 위치와 정확히 일치하는 국소화 성능을 달성한다.

ABSTRACT

The measurement data collected from the supervisory control and data acquisition (SCADA) system installed in distribution network can reflect the operational state of the network effectively. In this paper, a random matrix theory (RMT) based approach is developed for early anomaly detection and localization by using the data. For every feeder in the distribution network, a corresponding data matrix is formed. Based on the Marchenko-Pastur Law for the empirical spectral analysis of covariance `signal+noise' matrix, the linear eigenvalue statistics are introduced to indicate the anomaly, and the outliers and their corresponding eigenvectors are analyzed for locating the anomaly. As for the low observability feeders in the distribution network, an increasing data dimension algorithm is designed for the formulated low-dimensional matrices being more accurately analyzed. The developed approach can detect and localize the anomaly at an early stage, and it is robust to random disturbance and measurement error. Cases on Matpower simulation data and real SCADA data corroborate the feasibility of the approach.

연구 동기 및 목표

• 기존 모델 기반 방법으로는 일반적으로 비선형적이며 간헐적인 조기 이상을 탐지하기 어려운 분포망에서의 이상 탐지 및 국소화 과제를 해결한다.
• 측정치가 흐린 저관측성 피더에서 효과적인 이상 탐지가 어려운 한계를 극복한다.
• 최소한의 시스템 모델 정보를 필요로 하는 데이터 기반 방법을 개발하며, 기본적인 피더 토폴로지와 SCADA 측정치만을 활용한다.
• 측정 데이터의 스펙트럼 분석 기반 통합 프레임워크를 통해 동시에 이상 탐지 및 국소화를 달성한다.
• 실제 운영 환경에서의 무작위 교란 및 측정 노이즈에 대해 강건성을 확보한다.

제안 방법

• 각 피더의 SCADA 측정치로부터 데이터 행렬을 구성하여 '신호 + 노이즈' 공분산 구조를 표현한다.
• 모든 정상 작동 조건 하에서의 경험적 스펙트럼 분포를 모델링하기 위해 Marchenko-Pastur 법칙을 적용한다.
• 기대 고유값 분포에서의 편차를 정량화하기 위해 선형 고유값 통계(LES)를 탐지 지표로 사용하여 이상 발생을 신호한다.
• 극단적인 고유값(이상치)과 그에 해당하는 고유벡터를 식별하여 시스템 내 이상 성분의 국소화를 수행한다.
• 저관측성 피더의 경우, 데이터 행렬의 크기를 $42 \times 192$ 에서 구조적 데이터 증강을 통해 $441 \times 192$ 로 확장하는 증가하는 데이터 차원 알고리즘을 구현하여 탐지 감도를 향상시킨다.
• $\mathcal{N}_{\phi}-t$ 곡선을 시간에 따라 구성하여 이상 진행 상황을 시각화하며, $\mathcal{N}_{\phi}$ 는 주요 탐지 통계량으로 기능한다.

실험 결과

연구 질문

• RQ1 난수 행렬 이론이 세밀하고 조기 단계의 이상을 정밀한 시스템 모델 없이 분포망 데이터에 효과적으로 적용될 수 있는가?
• RQ2 측정치 커버리지가 제한된 저관측성 피더에서 탐지 감도를 어떻게 향상시킬 수 있는가?
• RQ3 동일한 프레임워크를 통해 데이터 공분산 행렬의 스펙트럼 특징을 활용하여 동시에 이상 탐지 및 국소화가 가능한가?
• RQ4 실제 SCADA 데이터에서의 실제 고장 발생 시점에 비해 제안된 방법은 얼마나 이르게 이상을 탐지할 수 있는가?
• RQ5 실제 분포망 환경에서의 무작위 교란 및 측정 노이즈에 대해 이 방법은 어느 정도 강건한가?

주요 결과

• 실제 SCADA 데이터에서 이중 과부하 이상을 2017년 3월 7일 22:00:00에 탐지하였으며, 실제 고장 발생 시점인 2017년 3월 8일 13:30:00보다 최대 15시간 이르게 탐지하였다.
• 두 번째 이상은 2017년 3월 11일 13:45:00에 탐지되었으며, 기록된 고장 시점 약 14시간 전이었으며, 일관된 조기 탐지 능력을 입증하였다.
• 이상 국소화가 정확하였다: 첫 번째 사건에서는 원본 데이터에서 이상 지수 집합 {1, 2, 3} 을 정확히 식별하여 실제 고장 발생 상하이와 일치시켰다.
• 두 번째 사건에서는 고장을 지수 {1, 2, 7} 으로 국소화하였으며, 실제 고장 발생 장치와 일치하여 높은 국소화 정확도를 확인하였다.
• $\mathcal{N}_{\phi}-t$ 곡선은 이상 기간 동안 이론적 기대와 일치하는 U자형을 보였으며, 탐지 통계량의 통계적 행동을 검증하였다.
• 증가하는 데이터 차원 알고리즘은 스펙트럼 분석에서 신호 대 노이즈 비율을 향상시켜 저관측성 피더에서 탐지 성능을 크게 향상시켰다.