Unsupervised Detection of Spatiotemporal Anomalies in PMU Data Using Transformer-Based BiGAN

Created by

Haebom

저자

Muhammad Imran Hossain, Jignesh Solanki, Sarika Khushlani Solanki

💡 개요

본 논문은 전력망 복원력 확보를 위해 동기 위상 측정 장치(PMU) 데이터 스트림에서 시공간적 이상 징후를 시기적절하고 비지도 학습 방식으로 탐지하는 새로운 프레임워크인 T-BiGAN을 제안합니다. T-BiGAN은 BiGAN 내부에 창 집중(window-attention) 트랜스포머를 통합하여 복잡한 시공간적 의존성을 포착하고, 잠재 공간을 실제 데이터 분포와 정렬시킵니다. 이를 통해 재구성 오류, 잠재 공간 드리프트, 판별기 신뢰도를 결합한 적응형 점수를 사용하여 실시간으로 이상 징후를 탐지합니다.

🔑 시사점 및 한계

•

기존 지도 학습 및 비지도 학습 방법론을 크게 능가하는 탁월한 성능(ROC-AUC 0.95, 평균 정밀도 0.996)을 달성했습니다.

•

미묘한 주파수 및 전압 편차 탐지에 특히 강점을 보여, 수동으로 레이블링된 장애 데이터에 의존하지 않고 실제 광역 모니터링에 대한 실질적인 가치를 입증합니다.

•

제안된 방법론의 잠재 공간 해석 가능성을 더욱 심층적으로 분석하고, 다양한 유형의 이상 징후에 대한 탐지 성능을 일반화하는 추가 연구가 필요합니다.

PDF 보기

Made with Slashpage