On this page
성능, 평가 지표 정리
AUC
ROC Curve
precision - recall
개념 정리 2
SMOTE
시멘틱 커뮤니케이션
Machine learning driven smart electric power system: Current trends and new perspectives(2020)
challenge
Smart grid의 challenges
electric load and price forecasting
- 전력 수요 예측은 전력 공급 및 유통을 최적화하고 에너지 효율성을 향상시키는 데 도움이 된다. 또한 가격 예측은 사용자에게 최적의 전력 소비 시간을 선택할 수 있도록 도움을 준다.
renewable power generation prediction - 재생가능 에너지의 효과적인 통합을 위해서는 향후 발전량을 정확하게 예측하는 것이 필요.
fault and failure analysis
- 전력 시스템의 안정성을 유지하기 위해 필요. 신속하게 고장을 감지하고 이에 대응함으로써 전력 시스템의 중단을 최소화하고 서비스 품질을 개선할 수 있다.
demand-side management(DSM) / load management
- 전력 수요를 조절하여 그리드 부하를 분산시키고 최적화하는 것. 이를 통해 에너지 소비를 낮추고 전력 네트워크의 효율성을 향상시킬 수 있다.
NILM :
- 비침입적으로 가정이나 사업장에서의 전력 사용을 모니터링하는 기술. 각 전기 기기의 전력 패턴을 분석하여 에너지 사용을 식별하고 이를 통해 에너지 사용 패턴을 최적화할 수 있다.
cyber-attack detection
- 스마트 그리드는 전산 네트워크에 의존하므로 사이버 공격에 노출될 수 있다. 사이버 공격 탐지는 악성 행위를 식별하고 방어하는데 중요하다.
energy and economic dispatch
- 전력 생산 장치의 작동을 최적화하여 에너지 효율성을 극대화하고 경제적 비용을 최소화하는 것을 목표로 한다. 이는 전력 그리드의 운영을 최적화하고 에너지 비용을 관리하는 데 도움이 된다.
이러한 챌린지들에 대한 연구와 개발은 스마트 그리드의 안정성, 효율성, 그리고 신뢰성을 향상시키는 데 기여하며, 지속 가능한 전력 시스템의 구현을 지원한다.
load forecast
- short-term load forecasting
- general (medium-term, long-term) load forecasting
NIALM(Non-intrusive appliance load monitoring)
electricity theft detection
islanding detection
방법론 - Bayesian Methods - HMM(Hidden Markov model) - Q-learning - DBN
- LASSO
- LDA(Linear discriminant analysis)
- MDA(Multiple discriminant analysis)
- QDA(Quadratic discriminant analysis)
- KNN
- LSTM
- MAPE(Mean absolute percentage error)
network - BPNN(Back propagation neural network) - FFNN(Feed Forward neural network) - RBFNN(Radial basis function neural network) - DBN(Deep belief network)
Boltzmann machine 볼츠만이 계속 나오네 확인해볼것 - CRBM(Conditional restricted Boltzmann machine) - DBM(Deep Boltzmann machine) - FCRBM(Factored conditional resticted Boltzmann machine) - RBM(Restricted Boltzmann machine) — - ELM(Extreme learning machine) - LSM(Liquid state machine)
FDI(False data injection)
GRU(Gated recurrent unit)
MARS(Multivariate adaptive regression splines)
PICP(Prediction interval coverage probability)
PINC(Prediction interval nominal confidence)
PSO(Particle swarm optimization)
SAE(Stacked auto-encoder)
SVR(Support vector regression)
ACE(Average coverage error)
AMI(Advanced metering infrastructure)
AC(Alternating current), DC(Direct current) system
DG(distributed generation)
PV(photovoltic)
5G (+6G?)