ProDER: A Continual Learning Approach for Fault Prediction in Evolving Smart Grids
작성자
카테고리
खाली
저자
Emad Efatinasab, Nahal Azadi, Davide Dalle Pezze, Gian Antonio Susto, Chuadhry Mujeeb Ahmed, Mirco Rampazzo
💡 개요
스마트 그리드의 발전으로 인해 변화하는 환경에서 새로운 유형의 고장을 예측하는 데 어려움이 있습니다. 본 논문은 스마트 그리드 환경에 맞춰 모델이 진화하도록 돕는 지속 학습(Continual Learning) 프레임워크를 제안합니다. 특히, 프로토타입 기반 다크 경험 리플레이(ProDER) 방법을 통해 효율적인 자원 사용으로 고장 예측 정확도를 높였습니다.
🔑 시사점 및 한계
•
변화하는 스마트 그리드 환경에서도 지속적으로 정확한 고장 예측 성능을 유지할 수 있는 실용적인 솔루션을 제시합니다.
•
프로토타입 기반 접근 방식과 다크 경험 리플레이를 결합하여 컴퓨팅 및 스토리지 자원 부담을 줄이면서 지속 학습의 효율성을 높였습니다.
•
제안된 프레임워크의 실제 대규모 스마트 그리드 시스템에 적용될 때의 확장성 및 성능 검증이 추가적으로 필요합니다.
