电网中基于动态图的异常检测
机器学习
2021-12-06 v4
摘要
给定电网随时间的传感器读数，我们如何准确检测异常发生时刻？实现该目标的关键在于利用电网传感器网络实时快速检测电网中任何自然故障或恶意等非同寻常事件。业界现有坏数据检测器缺乏稳健检测广泛异常类型（尤其新兴网络攻击所致者）的复杂性，因其一次仅基于电网单一测量快照运作。新机器学习方法适用性更广，但通常未考虑拓扑变化对传感器测量的影响，从而无法容纳历史数据中的常规拓扑调整。为此，我们提出 DYNWATCH，一种基于领域知识且拓扑感知的动态电网传感器异常检测算法。我们的方法准确，实验中 F-measure 较现有方法高出 20% 以上；且快速，在笔记本电脑上对 6 万+支路算例平均每个传感器每时间步耗时低于 1.7ms，并对图规模呈线性扩展。
引用
@article{arxiv.2012.15006,
title = {Dynamic Graph-Based Anomaly Detection in the Electrical Grid},
author = {Shimiao Li and Amritanshu Pandey and Bryan Hooi and Christos Faloutsos and Larry Pileggi},
journal= {arXiv preprint arXiv:2012.15006},
year = {2021}
}