[论文解读] Detection and Estimation of the Invisible Units Using Utility Data Based on Random Matrix Theory

Xing He, Robert C. Qiu+4 more|arXiv (Cornell University)|Oct 30, 2017

Smart Grid Security and Resilience参考文献 8被引用 4

一句话总结

本文提出一种基于随机矩阵理论（RMT）的数据驱动方法，仅利用电力公司数据即可检测、识别并估算不可见单元（如未经授权的屋顶光伏和电动汽车）。通过利用拼接矩阵和线性特征值统计（LES）指标，该方法在模拟和真实数据上均表现出强大的验证能力，实现异常检测与位置估计。

ABSTRACT

Invisible units refer mainly to small-scale units that are not monitored, and thus are invisible to utilities and system operators, e.g., small-scale distributed units like unauthorized roof-top photovoltaics (PVs), and plug-and-play units like electric vehicles (EVs). Massive integration of invisible units into power systems could significantly affect the way in which the distribution grid is planned and operated. This paper, based on random matrix theory (RMT), proposes a data-driven approach for the detection, identification, and estimation of the existing invisible units only using easily accessible utility data. The concatenated matrices and linear eigenvalue statistic (LES) indicators are suggested as the main ingredients of this solution. Furthermore, the hypothesis testing is formulated for anomaly detection according to the statistical characteristic of LES indicators. The proposed approach is promising for anomaly detection in a complex grid--it is able to detect invisible power usage, fraud behavior and even to locate the suspect's location. The case studies, using both simulated data and actual data, validate the proposed method.

研究动机与目标

• 解决未监控的小规模分布式能源资源（DER）带来的挑战，如未经授权的屋顶光伏和电动汽车，这些资源会干扰电网规划与运行。
• 开发一种无需直接访问配电网监测数据的方法，以检测并估算不可见单元。
• 利用 readily available utility data 推断未注册或未监控的电力单元的存在与位置。
• 基于电力公司数据矩阵的特征值分布，构建一个统计假设检验框架，用于异常检测。

提出的方法

• 从电力公司数据构建拼接矩阵，以捕捉配电网节点间的时间与空间功率使用模式。
• 应用随机矩阵理论（RMT）分析拼接矩阵的特征值分布，并提取统计指标。
• 使用线性特征值统计（LES）作为关键指标，检测与预期随机矩阵行为的偏离，从而识别异常。
• 基于LES指标的渐近分布，构建假设检验，以统计置信度检测不可见单元。
• 利用特征值偏离的空间结构，估计不可见单元的可能位置。
• 通过合成数据和真实电力公司数据对方法进行验证，确保其在真实条件下的鲁棒性。

实验结果

研究问题

• RQ1 仅使用标准电力公司数据，能否检测到如未经授权的屋顶光伏和电动汽车等不可见单元？
• RQ2 随机矩阵理论如何应用于检测反映未监控单元的功率使用模式中的异常？
• RQ3 电力公司数据矩阵的线性特征值统计（LES）能否作为检测不可见电力使用的可靠指标？
• RQ4 基于仅电力公司数据，该方法在多大程度上可估计不可见单元的位置？
• RQ5 该方法在区分正常电网异常与实际不可见单元活动方面表现如何？

主要发现

• 所提出的方法仅使用标准电力公司数据即可成功检测不可见单元，无需直接监控配电网设备。
• 当存在不可见单元时，拼接电力公司数据矩阵的线性特征值统计（LES）表现出显著的统计特性，从而实现可靠的异常检测。
• 基于LES指标的假设检验可为检测不可见电力使用及识别潜在欺诈行为提供统计置信度。
• 通过分析特征值偏离的空间模式，该方法可估计不可见单元的可能位置。
• 基于模拟和真实电力公司数据的案例研究证实了该方法在检测未注册分布式能源资源方面的有效性。
• 该方法在复杂电网环境中表现出鲁棒性，显示出在配电网监控中实际部署的潜力。