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?)