Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

ProDER: A Continual Learning Approach for Fault Prediction in Evolving Smart Grids

Created by
  • Haebom
Category
Empty

저자

Emad Efatinasab, Nahal Azadi, Davide Dalle Pezze, Gian Antonio Susto, Chuadhry Mujeeb Ahmed, Mirco Rampazzo

개요

스마트 그리드의 에너지 수요 증가와 운영상의 어려움을 해결하기 위해, 환경 변화에 적응하며 정확한 고장 예측을 제공하는 지속 학습(CL) 프레임워크를 제안합니다. 제안된 ProDER (Prototype-based Dark Experience Replay)는 프로토타입 기반 특징 정규화, 로짓 증류, 프로토타입 기반 리플레이 메모리를 통합한 통일된 리플레이 기반 접근 방식입니다. 다양한 CL 기법을 평가하기 위해, 클래스-증분 및 도메인-증분 학습 기반의 4가지 실제 평가 시나리오를 설계했습니다. ProDER은 테스트된 CL 기술 중 가장 우수한 성능을 보였으며, 고장 유형 예측 정확도는 0.045, 고장 구역 예측 정확도는 0.015 감소했습니다.

시사점, 한계점

•
시사점:
◦
스마트 그리드 환경에서 변화하는 고장 유형과 운영 구역에 효과적으로 대응할 수 있는 지속 학습 기반 고장 예측 모델을 제시했습니다.
◦
ProDER은 기존 CL 기법 대비 우수한 성능을 보이며, 실제 스마트 그리드 환경에서의 적용 가능성을 입증했습니다.
◦
현실적인 평가 시나리오 설계를 통해 연구의 실용성을 높였습니다.
•
한계점:
◦
논문에서 구체적인 한계점이 명시되지 않았습니다. (Abstract만을 바탕으로 한 응답)
👍
Made with Slashpage