[논문 리뷰] Sparse Recovery from Nonlinear Measurements with Applications in Bad Data Detection for Power Networks

Weiyu Xu, Meng Wang외 2명|arXiv (Cornell University)|2011. 12. 29.

Sparse and Compressive Sensing Techniques참고 문헌 24인용 수 21

한 줄 요약

이 논문은 전력망에서 비선형 측정치로부터 희박한 상태를 복원하기 위해 혼합 ℓ₁ 및 ℓ₂ 노름을 사용하는 반복적 볼록 최적화 방법을 제안한다. 이는 희박한 거대 오차와 가우시안 노이즈가 존재하는 상황에서도 강인한 악성 데이터 탐지 기능을 제공한다. 주요 기여는 국소 선형화를 통한 비선형 측정치에 대한 이론적 수렴 보장과, 부분공간의 거의 유클리드 성질에 대한 새로운 경계이며, 이는 정수기반 프로그래밍과 시뮬레이션을 통해 검증되었으며, 기존 방법보다 뛰어난 성능을 보였다.

ABSTRACT

In this paper, we consider the problem of sparse recovery from nonlinear measurements, which has applications in state estimation and bad data detection for power networks. An iterative mixed $\ell_1$ and $\ell_2$ convex program is used to estimate the true state by locally linearizing the nonlinear measurements. When the measurements are linear, through using the almost Euclidean property for a linear subspace, we derive a new performance bound for the state estimation error under sparse bad data and additive observation noise. As a byproduct, in this paper we provide sharp bounds on the almost Euclidean property of a linear subspace, using the "escape-through-the-mesh" theorem from geometric functional analysis. When the measurements are nonlinear, we give conditions under which the solution of the iterative algorithm converges to the true state even though the locally linearized measurements may not be the actual nonlinear measurements. We numerically evaluate our iterative convex programming approach to perform bad data detections in nonlinear electrical power networks problems. We are able to use semidefinite programming to verify the conditions for convergence of the proposed iterative sparse recovery algorithms from nonlinear measurements.

연구 동기 및 목표

• 스마트 그리드 시스템에서 흔히 발생하는 희박한 악성 데이터와 추가 노이즈에 의해 오염된 전력망에서의 상태 추정 문제를 해결하기 위해.
• 선형 압축 센싱을 비선형 시스템으로 일반화하는 비선형 측정치를 위한 강인한 희박한 복원 알고리즘을 개발하기 위해.
• 반복적 볼록 최적화가 비선형성과 희박한 오차가 존재하는 상황에서도 참 상태로 수렴할 수 있는 이론적 조건을 확립하기 위해.
• 기하학적 함수 해석을 통해, 특히 '메시를 통과하는 탈출' 정리(escape-through-the-mesh theorem)를 활용하여 추정 오차에 대한 더 날카운 성능 경계를 유도하기 위해.
• 수치 시뮬레이션과 정수기반 프로그래밍을 통한 수렴 조건 검증을 통해 방법을 검증하기 위해.

제안 방법

• 현재 추정치 주변에서 비선형 측정치를 국소적으로 선형화함으로써 볼록 최적화 기법을 적용할 수 있도록 반복 알고리즘을 사용한다.
• 추가 노이즈 억제와 동시에 희박한 악성 데이터 탐지를 위한 혼합 ℓ₁ 및 ℓ₂ 볼록 프로그램을 설정한다.
• 측정 부분공간의 거의 유클리드 성질에 의존하며, 이는 '메시를 통과하는 탈출' 정리를 사용하여 성능 경계를 도출한다.
• 비선형 케이스의 경우, 국소 자코비안 근사에 대한 조건 하에서 수렴을 분석하며, 알고리즘이 참 상태의 충분히 작은 이웃에 진입하면 수렴을 보장한다.
• 실제로 수렴 조건을 검증하기 위해 정수기반 프로그래밍을 활용하며, 특히 국소 선형화의 진짜 자코비안에서의 편차를 경계한다.
• 알고리즘은 희박한 추정치로 초기화되며, 수렴할 때까지 반복적으로 개선되며, 각 단계에서 상대 오차를 모니터링한다.

실험 결과

연구 질문

• RQ1 희박한 악성 데이터가 존재하는 비선형 측정치로부터 복원할 때, 반복적 볼록 최적화 방법이 참 상태로 수렴하는 조건은 무엇인가?
• RQ2 기하학적 함수 해석을 통해 선형 부분공간의 거의 유클리드 성질을 더 날카운 경계로 제약할 수 있는가?
• RQ3 비선형 시스템에서 희박한 악성 데이터와 가우시안 노이즈가 존재할 경우, 상태 추정 오차에 대한 성능 경계는 어떻게 도출할 수 있는가?
• RQ4 기존 방법들인 WLS(가장 작은 제곱)와 알려진 오차 위치를 갖는 ĥb 검정과 비교해 본다면, 제안된 방법의 정확도는 어떻게 되는가?
• RQ5 정수기반 프로그래밍을 사용하여 비선형 희박한 복원 알고리즘의 수렴 조건을 검증할 수 있는가?

주요 결과

• 선형 측정치의 경우, ρ = 0.02 이고 σ = 0일 때, 정확한 수렴 보장 없이도 상대 추정 오차가 0.018에 도달하여 희박한 오차에 대해 강인함을 보였다.
• σ = 0 조건에서의 시뮬레이션에서, 반복 알고리즘이 초기 상대 오차 0.2447을 7회 반복 후 3×10⁻⁸로 감소시켜 매우 빠른 수렴을 보였다.
• 제안된 방법은 ĥb 검정보다 추정 정확도에서 뛰어나지 않으며, ρ = 0.02 조건에서 200회의 시행 평균 상대 오차가 낮게 나타났다.
• 비선형 측정치의 경우, 국소 자코비안 편차가 ε = 10⁻³ 이하로 제약될 때, 악성 데이터 항목 수가 최대 7개 이하이면 수렴을 보장하며, ℓ₁/ℓ₂ 비율 조건에 대해 하한 C ≥ 1.1222를 확보한다.
• 이론적 수렴 조건은 보수적인 편이며, 시뮬레이션 결과 분석에서 예측된 것보다 더 넓은 실용적 수렴 영역이 존재하는 것으로 나타났다.
• '메시를 통과하는 탈출' 정리를 사용함으로써, 이전 분석보다 훨씬 날카운 부분공간의 거의 유클리드 성질에 대한 경계를 도출할 수 있었다.