[论文解读] Anomaly detection of energy consumption in buildings: A review, current trends and new perspectives.

Yassine Himeur, Abdullah Alsalemi+2 more|arXiv (Cornell University)|Oct 9, 2020

Anomaly Detection Techniques and Applications被引用 7

一句话总结

本文对建筑能效异常检测进行了全面综述，提出了一种新颖的分类体系，基于机器学习算法、特征提取、检测层级和隐私保护等维度对现有方法进行分类。研究指出了关键的空白领域——缺乏标准化定义、标注数据集、统一的评估指标以及可复现的平台，并提出了推动该领域发展的未来研究方向。

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.

研究动机与目标

• 提供基于智能电表和传感器数据的建筑能效异常检测现有框架的系统性综述。
• 识别该领域中的关键挑战，包括异常能效使用缺乏标准化定义以及缺乏标注数据集。
• 提出一种新颖的分类体系，用于根据算法类型、特征提取、检测层级、计算平台、应用场景和隐私保护机制对异常检测方法进行分类。
• 突出未解决的问题，如评估指标不一致和可复现平台有限。
• 概述新兴研究趋势和未来方向，以支持建筑中异常检测系统更广泛的应用与开发。

提出的方法

• 作者对建筑能效系统中现有的异常检测方法进行了全面调查，重点关注分表计和智能传感器数据。
• 提出一种新颖的分类体系，基于六个维度对方法进行分类：机器学习算法、特征提取技术、检测层级（如点级、模式级、系统级）、计算平台（边缘、云、混合）、应用场景（住宅、商业、工业）以及隐私保护方法。
• 对现有解决方案进行批判性分析，强调技术、数据和方法论上的局限性。
• 评估当前的研究趋势，识别出需要创新的关键领域，如标准化基准测试和可复现的实验平台。
• 通过综合已有研究成果，提炼出未来研究优先事项和系统设计原则的洞见。

实验结果

研究问题

• RQ1 现有建筑能效异常检测方法的关键差异因素是什么？如何基于这些因素进行系统性分类？
• RQ2 在建筑能效数据异常检测系统开发与部署过程中，主要未解决的挑战是什么？
• RQ3 为何在不同研究中对异常能效使用模式的定义缺乏标准化？
• RQ4 缺乏标注数据集和统一评估指标如何阻碍该领域的发展？
• RQ5 未来哪些研究方向对实现建筑中异常检测解决方案的广泛采用和可复现性最为关键？

主要发现

• 这是首篇提出统一分类体系的全面综述，基于多种实现因素对建筑能效异常检测方法进行分类。
• 在不同建筑类型和使用场景中，对异常能效使用构成的定义缺乏精确且标准化的界定，存在关键空白。
• 缺乏公开可用且标注良好的数据集用于训练和验证异常检测模型，限制了可复现性和基准测试。
• 目前尚无统一的评估指标，无法公平比较不同异常检测算法的性能，导致研究间评估不一致。
• 现有用于部署和复现异常检测系统的平台有限，阻碍了实际应用和研究协作。
• 未来研究必须优先发展标准化基准、共享数据集和可复现框架，以加速创新与部署。