KR102572994B1 - Ami 기반 에너지 네트워크의 이상 탐지 시스템 - Google Patents

Ami 기반 에너지 네트워크의 이상 탐지 시스템 Download PDF

Info

Publication number
KR102572994B1
KR102572994B1 KR1020210106866A KR20210106866A KR102572994B1 KR 102572994 B1 KR102572994 B1 KR 102572994B1 KR 1020210106866 A KR1020210106866 A KR 1020210106866A KR 20210106866 A KR20210106866 A KR 20210106866A KR 102572994 B1 KR102572994 B1 KR 102572994B1
Authority
KR
South Korea
Prior art keywords
data
unit
power usage
energy network
power
Prior art date
Application number
KR1020210106866A
Other languages
English (en)
Other versions
KR20230024745A (ko
Inventor
강동주
Original Assignee
버추얼에너지주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 버추얼에너지주식회사 filed Critical 버추얼에너지주식회사
Priority to KR1020210106866A priority Critical patent/KR102572994B1/ko
Publication of KR20230024745A publication Critical patent/KR20230024745A/ko
Application granted granted Critical
Publication of KR102572994B1 publication Critical patent/KR102572994B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1425—Traffic logging, e.g. anomaly detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H04L63/123—Applying verification of the received information received data contents, e.g. message integrity

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

본 발명에 따른 AMI 기반 에너지 네트워크의 이상 탐지 시스템은 전력 측정의 대상이 되는 제1 단위 객체에 대응되는 제1 계층 및 복수의 상기 제1 단위 객체로 구성되는 제2 단위 객체에 대응되는 제2 계층으로부터 전력 사용량 데이터를 수집하는 데이터 수집부; 및 상기 제2 단위 객체의 전력 사용량을 상기 제2 단위 객체를 구성하는 적어도 하나 이상의 상기 제1 단위 객체의 전력 사용량의 합과 비교하여 상기 제1 계층 및 상기 제2 계층을 포함하는 에너지 네트워크의 이상을 탐지하는 제1 이상 탐지부;를 포함한다.

Description

AMI 기반 에너지 네트워크의 이상 탐지 시스템{ANORMALY DETECTION SYSTEM FOR AMI BASED ENERGY NETWORK}
본 발명은 AMI 기반 에너지 네트워크의 이상 탐지 시스템에 관한 것으로, 더욱 상세하게는 AMI(Advance Metering Infrastructure)를 통해 측정되는 전력 사용량 데이터를 수집하고, 수집된 데이터를 상호 비교하여 데이터의 무결성을 검증하는 것을 통해 에너지 네트워크의 이상(anomaly) 여부를 탐지할 수 있는 AMI 기반 에너지 네트워크의 이상 탐지 시스템에 관한 것이다.
최근 그린뉴딜 사업과 더불어 주택용 소비자에 대한 AMI 보급이 다시 가속화되고 있다. 스마트 미터에 통신 인프라를 결합한 것이 AMI(Advance Metering Infrastructure)이며, 상업용, 산업용 고압 수용가에 대해서는 이미 AMI가 100% 보급된 상황이나, 아파트 및 일반 가정용 세대에도 스마트 미터를 설치하여 AMI 보급률 100%를 달성한다는 목표이다. 더불어, 재생에너지 보급이 가속화되고 있는 추세에서 공급단에서의 AMI 설치가 요구되며, 수요단에서는 에너지 프로슈머의 측면에서 분산형 재생에너지에 대한 AMI 설치가 이루어지고 있다.
이종 에너지 및 유틸리티 서비스 간 통합 검침을 위한 이종 스마트 미터 간 연계 방안도 꾸준히 제기되고 있으며, 더 나아가 가전도 스마트화 되어 에너지 사용량까지 모니터링할 수 있는 서브 미터링(sub-metering) 개념이 적용되고 있다. 이종 데이터 간 연계와, 사물인터넷(IoT)을 통한 각종 비에너지 데이터와 유틸리티 데이터 간의 연계도 가속화되고 있다.
이러한 배경에서 전력시스템은 각종 스마트 미터를 통해 개방망과의 연계가 강화될 수 밖에 없으며, 전력시스템이 개방형 통신 네트워크에 연계되는 경우 사이버 위협에 노출될 가능성이 증가된다. 또한, 스마트 미터와 연계된 IoT 기반의 각종 센서들을 통해 간접적인 접근 루트가 증가하여 사이버 위협에 노출될 가능성이 증가된다는 문제점이 있어 개방망 사용에 대한 보안성 확보가 전략적으로 요구된다.
본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 에너지 네트워크에 속한 동종 또는 이종 계층의 AMI 측정 데이터에 대한 상태 추정(state estimate) 기반의 분석을 통해 데이터의 이상유무 및 오염 여부를 탐지할 수 있는 AMI 기반 에너지 네트워크의 이상 탐지 시스템을 제공하는 것이다.
상술한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 AMI 기반 에너지 네트워크의 이상 탐지 시스템은 전력 측정의 대상이 되는 제1 단위 객체에 대응되는 제1 계층 및 복수의 상기 제1 단위 객체로 구성되는 제2 단위 객체에 대응되는 제2 계층으로부터 전력 사용량 데이터를 수집하는 데이터 수집부; 및 상기 제2 단위 객체의 전력 사용량을 상기 제2 단위 객체를 구성하는 적어도 하나 이상의 상기 제1 단위 객체의 전력 사용량의 합과 비교하여 상기 제1 계층 및 상기 제2 계층을 포함하는 에너지 네트워크의 이상을 탐지하는 제1 이상 탐지부;를 포함한다.
본 발명의 일 실시예에 있어서, 과거에 수집된 상기 전력 사용량 데이터를 이용하여 미리 생성된 전력 사용량 패턴 데이터를 상기 전력 사용량 데이터와 비교하여 상기 에너지 네트워크의 이상을 탐지하는 제2 이상 탐지부를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 미리 생성된 전력 사용량 패턴 데이터는 과거에 수집된 상기 전력 사용량 데이터를 이용하여 미리 생성된 시간별, 일별, 주별, 월별 또는 계절별 단위 변량 중 적어도 어느 하나 이상을 이용하여 산출될 수 있다.
본 발명의 일 실시예에 있어서, 동일 계층에 속한 적어도 2개 이상의 단위 객체 간 전력 사용량 변동률을 비교하여 미리 정해진 변동률 오차 범위를 벗어나는지 여부를 기초로 상기 에너지 네트워크의 이상을 탐지하는 제3 이상 탐지부를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 하위 계층에 속한 각각의 단위 객체의 전력 사용량과 상위 계층의 전력 사용량 간의 상관관계 강도를 나타내는 상관계수에 대한 분석을 기초로 상기 에너지 네트워크의 이상을 탐지하는 제4 이상 탐지부를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제4 이상 탐지부는 상기 상관계수의 크기를 기준으로 정해지는 순서의 변동을 기초로 상기 에너지 네트워크의 이상을 탐지할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제4 이상 탐지부는 상기 상관계수의 편차가 미리 정해진 허용 편차 보다 크거나 같은 상기 상관계수의 수를 기초로 상기 에너지 네트워크의 이상을 탐지할 수 있다.
이와 같은 AMI 기반 에너지 네트워크의 이상 탐지 시스템에 따르면, 데이터의 이상 상태 유무 및 오염 여부를 탐지하여 개방형 통신망에 연계되는 에너지 네트워크의 무결성과 신뢰성을 검증할 수 있다.
도 1은 전력기기의 고유 전력 사용 패턴 사례를 나타내는 그래프이다.
도 2는 에어컨의 에너지 사용 패턴 사례를 나타내는 그래프이다.
도 3은 AMI 기반 에너지 네트워크에 대한 데이터 검증 방안을 나타내는 개념도이다.
도 4는 에너지 네트워크 관계성에 기반한 데이터 검증 절차를 나타내는 순서도이다.
도 5는 본 발명의 일 실시예에 따른 AMI 기반 에너지 네트워크의 이상 탐지 시스템을 나타내는 블록도이다.
이하에서, 첨부한 도면들을 참조하여, 본 발명을 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략될 수 있다.
재생 에너지 시스템과 스마트그리드
전력 시스템은 국가의 중요인프라(CI: Critical Infrastructure) 중의 하나로 국가에 의해 보안성이 관리되던 시설이었으나, 최근 재생 에너지 기반의 분산전원 확산에 따라 국가적 관리 범위 밖에 위치하는 시스템(분산전원단지, 마이크로그리드, 커뮤니티 에너지시스템 등)이 증가하고 있다. 향후 이러한 시스템은 증가할 것이며, 이러한 증가는 전력 시스템에 대한 새로운 위협요소가 될 수 있다.
우리나라의 경우, 전통적인 전력 시스템은 전용 통신망에 기반한 폐쇄망으로 운영되어 왔으나, 분산형 재생 에너지 시스템의 경우 필연적으로 개방형 통신망에 연계될 수밖에 없다.
또한, 분산형 재생 에너지 시스템은 기존 화력발전소와는 달리 출력제어가 아닌 예측을 하여야 하며, 함께 보급되는 ESS(Energy Storage System)와 마이크로그리드는 운영에 있어 자율성을 가지게 되므로, 전력계통 운영의 패러다임이 급격히 변화하고 있다.
이러한 변화에 따라 등장한 전력 시스템을 통칭해서 스마트그리드라고 하며, 기존 화력발전 중심의 전력계통은 재생 에너지 중심의 스마트그리드로 진화하고 있고, 보안정책에 있어서도 기존 전력 시스템에 적용되던 방식과는 완전히 다른 접근이 요구되고 있다.
사이버 물리 시스템 관점의 접근과 이상 탐지 원리
에너지 증가에 따른 전력 시스템 운영 패러다임의 변화가 일어나고 있는데, 한마디로 사이버 물리 시스템(CPS: Cyber-Physical System)으로 진화하고 있으며 다음과 같이 2가지 계층의 의미를 전력시스템에 매핑할 수 있다.
먼저, 물리적 시스템 측면에서, 재생 에너지 변동성(예를 들어, 기상조건 변화에 따라 발전량이 크게 변화)으로 인해 전력망 운영에 큰 영향을 미칠 수 있다. 기존의 대규모 화력발전기가 급전가능(Dispatchable Generator)한데 반해, 재생 에너지 출력은 예측되어야 하는 대상이 된다.
다음으로, 사이버 시스템 측면에서, 사이버 전력계통 운영에 대한 영향뿐만 아니라, 분산형 재생 에너지 설비는 개방형 통신 네트워크에 연계되므로 사이버 위협에 노출될 가능성도 증가한다. 분산형 재생 에너지 설비는 배전망 이하에 설치되는 사례가 증가하고 있으며, IoT 기반의 각종 센서들이 설치되어 간접적인 접근 루트가 증가하고 있다.
산업 전방위에서 CPS 기반 초연결 사회로 진화하는 흐름 속에 전력시스템도 그에 대한 예외로 남기는 어려울 것으로 보이며, 위와 같은 연결성을 피할 수 없다면 오히려 이러한 연결성을 보안성을 강화하는 도구로 활용할 수 있다.
분산형 재생 에너지 중심의 운영에서는 예측이 중요하며, 예측 과정에서 데이터의 무결성을 유지하고 이상이 발생할 경우 사전에 탐지할 수 있는 이상 탐지의 필요성이 부상하게 된다.
전통적인 전력계통에서도 SCADA(Supervisory Control And Data Acquisition)에서 취득된 데이터가 에너지 운영 시스템(Energy Management System, EMS)으로 전달되면 상태추청(State Estimation) 기능을 통해 데이터의 무결성을 검증할 수 있다. 중앙급전 시스템에서의 이러한 상태추정 기능을 개방형 시스템에서 분산형 전원에 적용하는 개념으로 접근할 수 있다. 단, 이 과정에서 망분리와 폐쇄시스템 환경의 전통적 전력시스템과는 달리 사이버보안의 개념까지 이상 탐지에 적용하여 통합적인 융합보안의 관점에서 접근할 수 있다.
여기서, 예측이란, 생산되는 전력량이 정확히 얼마인지를 사전에 예측(forecast, prediction)하고, 기타 제어가능한 리소스(화력발전기, ESS, 연료전지 등)의 운영계획(scheduling)에 반영하는 것을 의미한다. 예측된 값은 이상여부 탐지의 레퍼런스 값으로 활용될 수 있다.
이상 탐지란, 발전량 이상(outlier) 여부를 사전에 탐지하는 것으로, 전력계통의 에너지 운영 시스템(EMS)의 상태추정 기능과 유사하다. 에너지 운영 시스템의 계측 과정에서 오류가 발생할 수도 있고, 사이버 공격 등에 의해 인위적으로 데이터가 조작될 수 있기 때문에 이상 탐지는 정확한 예측과 운영에 필수적인 기능으로 포함될 수 있다.
이상 탐지(Anomaly Detection)의 개념
이상 탐지(Anomaly Detection)란 정상 데이터와 비정상 데이터를 구별해내는 문제를 의미하며, 자료(예를 들어, 정보 또는 데이터)에서 예상(예를 들어, 과거 패턴 또는 평소 패턴)과는 다른 패턴을 보이는 개체 또는 자료를 찾는 것을 의미한다.
예상과 다른 패턴을 보이는 이러한 개체는 이상(anomaly), 이상값(outlier), 부조화값(discordant observation), 예외(exception), 극단값(peculiarity), 이탈값(abberation) 또는 오염값(containment) 등으로 지칭될 수 있다. 이상 탐지는 사기거래(fraud) 탐지, 침입(intrusion) 탐지, 안전 필수 시스템(safety critical system) 및 군사적 감시를 포함한 다양한 분야에서 적용되고 있다.
이상 탐지와 관련하여 방법론 측면에서 분류하는 기준 중의 하나로 비정상 데이터에 대한 샘플 확보 여부(혹은 정도)가 있으며, 이상 탐지는 관련된 샘플 확보 여부에 따라 방법론적인 측면에서 지도식(supervised), 반지도식(semi-supervised) 또는 비지도식(unsupervised)으로 구분될 수 있다.
이상 탐지를 위한 가장 이상적인 방식은 지도식이나, 전력산업의 특성상 비정상 샘플을 확보하는 것은 극히 어렵기 때문에, 신재생 에너지 운영 시스템의 이상 탐지를 위하여 반지도식이나 비지도식 접근이 대안이 될 수 있다.
이상 탐지는 데이터 사이언스의 한 분야이며, 데이터 사이언스는 컴퓨팅 기술, 분산 컴퓨팅 기술, 데이터마이닝, 기계학습, 데이터 분석(통계, 수학) 등을 포괄하는 개념으로 이해될 수 있다. 이상 탐지는 이러한 데이터 사이언스의 하위 분야들 중 주로 데이터마이닝, 기계학습(머신러닝), 데이터 분석 등이 조합되어 데이터 패턴의 이상을 탐지하는 기술로 이해될 수 있다.
다음으로, 전통적인 데이터 분석과의 차별화 관점에서 데이터 사이언스를 살펴볼 수 있다. 통계학 중심의 전통적인 데이터 분석이 표본화(sampling)된 데이터를 주로 다루는데 반해, 데이터 사이언스는 빅데이터 환경으로 변화하며 수집 및 활용이 가능해진 빅데이터를 기반으로 기존 통계방식에서 보다 귀납적인 학습 기반 방법으로 접근하고 있다.
빅데이터 기술이 나오기 전에는 빅데이터를 처리하기 위해서 수퍼컴퓨터와 같은 고성능 컴퓨터를 사용하거나, 하나의 어떤 처리를 완료해서 결과를 받기까지 긴 시간을 소모해야 했다. 이렇게 긴 처리(process)를 실행해야 한다면 반복작업이 많은 데이터분석, 기계학습과 같은 것은 만족할 만한 결과를 얻을 때까지 너무 많은 시간이 걸려 사실상 불가능했다.
비지도식 이상 탐지
비지도식 학습은 레이블이 붙어있지 않은 데이터에 대한 군집화(clustering)를 통해 정상 데이터를 하나의 그룹으로 군집화하고 다른 그룹은 비정상으로 구분하는 기법이다. 다수의 데이터가 포함되는 군집과 동떨어진 소수의 데이터군이 있다면 그러한 데이터들은 비정상 그룹에 속할 가능성이 높기 때문이다.
비지도식 학습은 답을 주는 지도식 학습과는 달리 문제만 주는 방식으로 이해될 수 있다. 비지도식 학습은 여러 문제를 학습함으로써 데이터의 패턴, 특성 및 구조를 스스로 파악하여 새로운 데이터가 들어왔을 때 일정한 규칙성을 찾는 방법이다. 비지도식 학습은 구체적인 결과에 대한 사전 지식 없이 결과 데이터를 통해 유의미한 지식을 얻고자 하는 경우 또는 사전적으로 사람이 잘 인지할 수 없는 문제나 데이터의 특성을 발견하고자 할 때 활용될 수 있다.
군집화와 관련된 비지도식 학습 알고리즘은 K-평균(k-Means), 계층 군집 분석(HCA, Hierarchical Cluster Analysis), 기댓값 최대화(Expectation Maximization) 중 적어도 어느 하나 이상을 이용하여 구현될 수 있다.
이상 탐지를 위한 가장 이상적인 방식은 지도식이나, 전력산업의 특성상 비정상 샘플을 확보하는 것은 극히 어렵기 때문에, 일 실시예에서 본 발명에 따른 신재생 에너지 운영 시스템의 이상 탐지 시스템은 비지도식 학습 방법을 이용하여 관련 데이터를 학습할 수 있으나, 이에 한정되는 것은 아니다. 다른 실시예에서, 신재생 에너지 운영 시스템은 반지도식 학습 방법 또는 지도식 학습 방법을 이용하여 관련 데이터를 학습할 수 있다.
개방형 환경에서의 변화된 보안 관점
보안성 확보가 중요한 이슈이긴 하지만, 보안성 확보 과정에서 비용이 상승하기 때문에 AMI를 보급하는 정부나 사업자 입장에서는 사업성을 떨어뜨리고 그로 인해 보급 유인을 떨어뜨릴 수 있다. 이는 기존의 폐쇄망 중심 보안정책이나 솔루션을 그대로 적용할 경우, 연결성이 증가하면 그만큼 많은 수의 강화된 보안 솔루션이 필요하기 때문이다. 따라서 변화된 환경에서는 새로운 접근 방법이 필요하며 그러한 방법의 일환으로 기기들의 증가된 연결성을 보안을 강화하기 위한 수단으로 활용할 수 있다.
분산형 재생에너지원의 보급 확대, 스마트 홈과 더불어 IoT의 유입이 강화되면서, 스마트 가전기기의 도입도 가속화되고 있다. 이러한 변화는 기기 간의 연결성이 더욱 사회적 관계성을 띄는 계기가 될 수 있고, 사회적 관계망 속에서 기기는 서로를 감시할 수 있으며, 전체적인 맥락을 이해하는 도구로 활용될 수 있다. 이는 다시 빅 데이터(big data) 기반의 접근 방법과도 연관될 수 있다.
에너지 사용 컨텍스트(context)와 매트릭스 형태의 정량화
KCL(Kirchhoff's Current Law), KVL(Kirchhoff's Voltage Law) 법칙에 의해 특정 노드에서의 에너지 입력과 출력이 동일해야 하기 때문에 에너지 네트워크에서는 특정 시간대의 수요와 공급 균형이 이루어져야 한다. 이는 일종의 대칭성으로 이해될 수 있고, 이러한 속성을 이용하면 개별 기기 간의 관계성이 보다 명료해지며, 현재 상태의 이상 여부를 검증할 수 있다.
재생에너지관련 데이터는 날씨나 기후 여건에 영향을 많이 받으므로, 이러한 재생에너지 관련 데이터에 근거하여 예측된 발전량 값과 실측된 발전량 값을 비교하여 이격이 많이 발생하고 이러한 현상이 지속될 경우, 이상의 가능성이 높은 것으로 판단할 수 있다.
도 1은 전력기기의 고유 전력 사용 패턴 사례를 나타내는 그래프이다. 도 2는 에어컨의 에너지 사용 패턴 사례를 나타내는 그래프이다.
도 1 및 도 2를 참조하면, 개별 가전기기로부터 고유의 전력 사용 패턴(사용 시간 및 사용 전력량)을 추출할 수 있고, 추출된 패턴을 이용하여 개별 기기의 측정 데이터가 참인지 거짓인지를 검증하는데 활용할 수 있다. 예를 들어, 밤에 주로 사용되는 조명기기가 낮에 계속 전기를 사용하고 있거나, on-off 모드가 평균 이상으로 자주 전환된다면 이상이 있다는 신호로 해석될 수 있다.
수요측에서는 상업용 건물을 기준으로 전력부하 중 가장 큰 것 중의 하나가 HVAC 설비이고, 주택에서는 에어컨으로 볼 수 있다. 에어컨을 예로 들어 본다면, 에어컨은 여름 시즌, 늦은 아침부터 오후를 거쳐, 초저녁에 주로 많이 가동되는 사용 패턴을 보일 수 있다. 이러한 에어컨 사용 패턴이 항상 일정하게 발생했는데, 특정일에 완전히 다른 패턴을 보인다면, 데이터의 이상이 발생하였는지 또는 실제 에어컨이 다른 패턴으로 사용되었는지 대한 검증이 필요하고, 이러한 과정에서 이상 여부를 판단할 수 있다.
에너지 사용 패턴은 매트릭스 형태로 정량화될 수 있다. 전력 데이터의 경우 요일별 특성과 시간별 특성이 공존할 수 있어 일(date)과 시간(hour)으로 구성된 행렬로 표현될 수 있다. 이러한 행렬을 통해 에너지 사용량에 대한 맥락을 정량화 할 수 있다. 일 실시예에서, 에너지 사용 패턴 매트릭스(행렬)는 세로축 일 단위, 가로축 시간 단위로 표현될 수 있고, 가로축 시간 단위는 초 단위, 분 단위, 30분 단위 등 AMI 측정 주기에 따라 변경될 수 있다. 예를 들어, 에너지 사용 패턴은 일 단위로 주기성을 가지는 에너지 수요 패턴의 특성을 반영할 수 있으며, 태양광 발전의 경우는 공급 쪽에서도 이와 같은 일 단위 주기성을 보일 수 있다.
에너지 사용 맥락이 공급과 수요 쪽으로 동시에 확장된다면, 재생에너지 발전량에 비하여 주기성과 맥락에 대한 더 상세한 정보를 얻을 수 있는 수요 측의 정보가 이상탐지에 보다 효과적으로 활용될 수 있고, 이는 VPP(가상발전) 적용을 위한 이상탐지에 적정한 프레임워크가 될 수 있다.
본 발명에 있어서, 전력 측정 데이터의 무결성을 검증하기 위해 상태 추정(State Estimation)을 통해 데이터를 검증할 수 있다. 상태 추정이란, AMI 데이터 측정 오류에 대비하여 데이터 측정 포인트를 다양하게 설정하여 데이터를 수집하고, 수집된 데이터를 상호 비교하여 측정된 데이터의 무결성을 검증하는 방식을 의미할 수 있다.
일 실시예에서, 상태 추정을 적용한 AMI 기반 에너지 네트워크의 이상 탐지 시스템은 연결된 전자기기별로 고유 정보(예를 들어, 전력 사용량 데이터)를 추출할 수 있다. 전력 사용량 데이터가 누적되면, 누적된 데이터로부터 일정한 패턴을 추출할 수 있고, 추출된 패턴은 에너지 기기별, 혹은 사용자별 고유 정보로 활용할 수 있다. 이러한 개념은 정보 보호 분야에서의 사이버 게놈(cyber genome) 개념과도 결부하여 적용될 수 있다.
기기별로 추출된 게놈 정보(즉, 전력 사용량 패턴 또는 에너지 사용 패턴)를 기준으로 실측 데이터와의 비교를 통해 상관관계를 도출하고, 실측치가 상관관계 대비 일정수준 이상 오차를 보인다면 데이터 무결성이 훼손된 것으로 간주할 수 있다. 예를 들어, 이러한 상관관계는 행렬 형태로 표현될 수 있으며, MATLAB 등의 툴을 활용하여 선형대수 형태로 쉽게 연산할 수 있다는 장점이 있다.
과거 데이터를 통해 추출된 값(예를 들어, 전력 사용량 패턴 데이터)은 일종의 미래 예측값으로도 활용될 수 있다. 과거 데이터(또는 현재 데이터)에 기반하여 특정 미래 시점에 특정 패턴을 보일 것으로 예측되는데, 실측 데이터와의 오차가 허용 오차 범위 이상으로 커질 경우 데이터에 대한 검증이 사전적으로 이루어질 수 있다.
일 실시예에서, 미래 예측값은 기준시점 대비 증가 예상 변량을 더함으로써 특정 미래 시점의 값을 추정하는 방식으로 산출될 수 있다. 이렇게 예측된 값은 일종의 상태 추정값으로 볼 수 있다.
일 실시예에서, 전력 사용량 패턴 데이터는 과거에 수집된 전력 사용량 데이터를 이용하여 미리 생성된 시간별, 일별, 주별, 월별 또는 계절별 단위 변량 중 적어도 어느 하나 이상을 이용하여 산출될 수 있다. 예를 들어, 전력 사용량 패턴 데이터는 과거에 수집된 전력 사용량 데이터에 과거에 수집된 전력 사용량 데이터를 이용하여 특정 미래 시점까지의 이격시간(Δt)에 대응되는 미리 생성된 시간별, 일별, 주별, 월별 또는 계절별 단위 변량 중 적어도 어느 하나 이상을 합산하여 산출될 수 있다.
도 3은 AMI 기반 에너지 네트워크에 대한 데이터 검증 방안을 나타내는 개념도이다.
도 3을 참조하면, AMI가 보급되면, AMI 기반 에너지 네트워크(10)는 계층적인 구조를 형성할 수 있다. 일 실시예에서, AMI 기반 에너지 네트워크(10)는 제1 계층, 제2 계층 및 제3 계층을 포함할 수 있으나, 이에 한정되는 것은 아니다. 제1 계층은 전력 측정의 대상이 되는 제1 단위 객체에 대응될 수 있다. 제2 계층은 복수의 제1 단위 객체로 구성되는 제2 단위 객체에 대응될 수 있다. 제3 계층은 복수의 제2 단위 객체로 구성되는 제3 단위 객체에 대응될 수 있다.
예를 들어, 제1 단위 객체는 최종 말단의 스마트 가전기기를 포함할 수 있다. 제2 단위 객체는 스마트 홈을 포함할 수 있다. 제3 단위 객체는 커뮤니티, 아파트, 빌딩, 마이크로그리드, CEMS(Cluster/Community Energy Management System), ESCO(Energy Service Company), FEMS(Factory Energy Management System) 및 BEMS(Building Energy Management System)를 포함할 수 있다.
여기서, 하위 계층의 에너지 사용합은 상위 계층의 에너지 사용량과 일치하여야 한다. 예를 들면, 특정 스마트 홈에 포함되는 가전기기들이 사용하는 에너지 사용합은 스마트 홈 전체의 에너지 사용량과 동일하여야 하고, 그렇지 않은 경우는 에너지가 다른 곳으로 새고 있거나, 데이터에 이상이 생긴 것으로 간주할 수 있다.
일 실시예에서, 제1 단위 객체, 제2 단위 객체 및 제3 단위 객체는 각각 단위 객체별로 추출된 전력 사용량 패턴 또는 에너지 사용 패턴을 기준으로 실측 데이터와의 비교를 통해 데이터를 검증할 수 있다.
일 실시예에서, 제1 단위 객체, 제2 단위 객체 및 제3 단위 객체는 각각 동일 계층에 속한 타 단위 객체와의 비교를 통해 데이터의 무결성 여부를 중복 검증할 수 있다. 즉, AMI 네트워크로 인해 증가하는 연결성을 통해 상호 중복적으로 검증함으로써 데이터의 무결성을 개선할 수 있다.
도 4는 이러한 개념을 도식화한 것으로, 데이터 검증의 방법은 크게 3가지로 자기 상관관계(Auto-correlation), 이종 계층간(종단 분석) 또는 동종 계층간(횡단 분석) 상관관계(correlation), 개별 측정치와 에너지 합산량을 비교하는 방식이 있다.
자기 상관관계 방식은 단위 객체별로 추출된 전력 사용량 패턴 또는 에너지 사용 패턴을 기준으로 실측 데이터와의 비교를 통해 데이터의 무결성을 검증하는 방식을 포함할 수 있다.
수요단의 가정에 적용되었을 때를 고려하면, 스마트 미터링 가전기기 단위까지 확산되며, 전력 사용량을 측정할 수 있는 포인트가 점점 증가하고 있다. 즉, 예전에는 세대 단위로 이루어지던 계측이 기기 단위까지 내려오며, 개별 세대 위 아파트 단지와 커뮤니티, 그리고 이웃 세대와의 비교도 가능해진다.
일 실시예에서, 데이터의 무결성을 검증하기 위하여, 가전기기별 전력 사용량의 총합은 해당 세대의 전체 전력 사용량과 일치해야 한다는 조건, 커뮤니티 내 모든 개별 세대 전력 사용량의 총합은 커뮤니티의 전체 전력 사용량과 일치해야 한다는 조건, 유사한 이웃 세대 간의 에너지 사용량은 유사한 수준을 보여야 한다는 조건 등 컨텍스트를 이해하기(분석하기) 위한 여러 가지 설정이 가능하다.
도 4는 에너지 네트워크 관계성에 기반한 데이터 검증 절차를 나타내는 순서도이다.
도 4를 참조하면, 스마트 홈에 설치된 스마트 미터(AMI)를 통해 측정된 스마트 홈의 전력 사용량(PAMI)을 스마트 홈에서 사용되는 전체 가전기기의 전력 사용량(PSP)과 비교할 수 있다(S10). 개별 가전기기의 전력 사용량(PSA) 및 전체 가전기기의 전력 사용량(PSP)은 스마트 플러그(Smart Plug)를 통해 측정될 수 있다. 이와는 달리 개별 가전기기의 전력 사용량(PSA)은 개별 가전기기 자체에서 측정될 수 있다.
스마트 홈의 전력 사용량(PAMI)이 전체 가전기기의 전력 사용량 총합(PSP)과 동일할 경우, 전력 사용량 데이터는 이상 상태가 아닌 것으로 판단할 수 있다.
스마트 홈의 전력 사용량(PAMI)이 전체 가전기기의 전력 사용량 총합(PSP)과 상이할 경우, 전체 가전기기의 전력 사용량(PSP)을 개별 가전기기의 전력 사용량(PSA)들의 총합과 비교할 수 있다(S20).
전체 가전기기의 전력 사용량(PSP)이 개별 가전기기의 전력 사용량(PSA)들의 총합과 상이한 경우, 스마트 플러그에 이상 상태가 발생한 것으로 판단할 수 있다.
전체 가전기기의 전력 사용량(PSP)이 개별 가전기기의 전력 사용량(PSA)들의 총합과 동일한 경우, 스마트 플러그는 정상 상태인 것으로 판단하고, 다음으로 전력 사용량 데이터가 전송되는 네트워크의 이상 여부를 판단할 수 있다(S30).
네트워크에 이상이 없는 경우, 특정 기기에 이상이 있는지 여부를 판단할 수 있다(S40). 특정 기기에 이상이 있다고 판단되는 경우, 해당 기기를 정밀 검사할 수 있으며, 특정 기기에 이상이 없다고 판단되는 경우, 다음 기기에 대한 이상 여부를 판단할 수 있다.
관계성에 기반하여 데이터 무결성을 검증한다면, 연결성이 증가함으로써, 잠재적 위협의 유입구도 많아지지만 그만큼 상호비교의 기회가 증가하므로 보안성도 동시에 증가될 수 있다.
최종 소비자 단에서의 스마트그리드 서비스는 소셜 네트워크 서비스와 접목되고 있으며, 이러한 접근방법은 소셜 네트워크 고유의 네트워크 분석 방법론과 결합될 수 있다. IoT 개념과의 접목을 통해 상호 관계성의 증가와, 개별 기기의 자율성 증가는 사회적 네트워크 속성을 증가시키고 있으며, 이러한 환경에서는 기존의 트래픽 패턴을 단순 감시하는 방법만으로는 분명한 한계가 존재한다. 특히, 사이버 공격의 패턴도 점차 APT(Advanced Persistent Threats) 기반으로 옮겨가고 있기 때문에, 개별 기기나 접속점이 아닌 전체의 맥락(context)을 분석할 수 있는 접근법이 필요하다.
도 5는 본 발명의 일 실시예에 따른 AMI 기반 에너지 네트워크의 이상 탐지 시스템을 나타내는 블록도이다.
본 발명의 일 실시예에 따른 AMI 기반 에너지 네트워크(10)의 이상 탐지 시스템은 데이터 수집부(210), 제1 이상 탐지부(220), 제2 이상 탐지부(230), 제3 이상 탐지부(240), 제4 이상 탐지부(250) 및 제5 이상 탐지부(260)를 포함할 수 있다.
데이터 수집부(210)는 에너지 네트워크(10)로부터 전력 사용량 데이터를 수집할 수 있다.
일 실시예에서, 에너지 네트워크(10)는 제1 계층, 제2 계층 및 제3 계층을 포함할 수 있으나, 이에 한정되는 것은 아니다. 제1 계층은 전력 측정의 대상이 되는 제1 단위 객체에 대응될 수 있다. 제2 계층은 복수의 제1 단위 객체로 구성되는 제2 단위 객체에 대응될 수 있다. 제3 계층은 복수의 제2 단위 객체로 구성되는 제3 단위 객체에 대응될 수 있다. 예를 들어, 제1 단위 객체는 최종 말단의 스마트 가전기기를 포함할 수 있다. 제2 단위 객체는 스마트 홈을 포함할 수 있다. 제3 단위 객체는 커뮤니티, 아파트, 빌딩, 마이크로그리드, CEMS(Cluster/Community Energy Management System), ESCO(Energy Service Company), FEMS(Factory Energy Management System) 및 BEMS(Building Energy Management System)를 포함할 수 있다.
데이터 수집부(210)는 전력 측정의 대상이 되는 제1 단위 객체에 대응되는 제1 계층, 복수의 상기 제1 단위 객체로 구성되는 제2 단위 객체에 대응되는 제2 계층 및 복수의 상기 제2 단위 객체로 구성되는 제3 단위 객체에 대응되는 제3 계층으로부터 각각의 전력 사용량 데이터를 수집할 수 있다.
제1 이상 탐지부(220)는 제2 단위 객체의 전력 사용량을 제2 단위 객체를 구성하는 적어도 하나 이상의 제1 단위 객체의 전력 사용량의 합과 비교하여 제1 계층 및 제2 계층을 포함하는 에너지 네트워크(10)의 이상을 탐지할 수 있다.
제1 이상 탐지부(220)는 제3 단위 객체의 전력 사용량을 제3 단위 객체를 구성하는 적어도 하나 이상의 제2 단위 객체의 전력 사용량의 합과 비교하여 제2 계층 및 제3 계층을 포함하는 에너지 네트워크(10)의 이상을 탐지할 수 있다.
제2 이상 탐지부(230)는 과거에 수집된 전력 사용량 데이터를 이용하여 미리 생성된 전력 사용량 패턴 데이터를 수집된 전력 사용량 데이터와 비교하여 에너지 네트워크(10)의 이상을 탐지할 수 있다.
일 실시예에서, 전력 사용량 패턴 데이터는 과거에 수집된 전력 사용량 데이터를 이용하여 미리 생성된 시간별, 일별, 주별, 월별 또는 계절별 단위 변량 중 적어도 어느 하나 이상을 이용하여 산출될 수 있다. 예를 들어, 전력 사용량 패턴 데이터는 과거에 수집된 전력 사용량 데이터에 과거에 수집된 전력 사용량 데이터를 이용하여 특정 미래 시점까지의 이격시간(Δt)에 대응되는 미리 생성된 시간별, 일별, 주별, 월별 또는 계절별 단위 변량 중 적어도 어느 하나 이상을 합산하여 산출될 수 있다.
제3 이상 탐지부(240)는 동일 계층에 속한 이웃 단위 객체 간의 에너지 사용량이 유사한 수준을 보이고 있는지 여부를 기초로 에너지 네트워크(10)의 이상을 탐지할 수 있다.
일 실시예에서, 제3 이상 탐지부(240)는 동일 계층에 속한 적어도 2개 이상의 단위 객체 간 전력 사용량 변동률을 비교하여 미리 정해진 변동률 오차 범위를 벗어나는지 여부를 기초로 에너지 네트워크(10)의 이상을 탐지할 수 있다.
일 실시예에서, 미리 정해진 변동률 오차 범위는 동일 계층에 속한 단위 객체의 전력 사용량의 변동률의 최대값 및 최소값을 포함할 수 있으나, 이에 한정되는 것은 아니다.
제3 이상 탐지부(240)는 KCL 또는 KVL 법칙을 이용하여 에너지 네트워크(10)의 이상을 탐지할 수 있다.
전력 데이터는 지역별로 공급과 수요의 균형이 맞아야 하며, 서로 다른 지역을 연결하는 선로 간의 전력 조류량을 모니터링 하여 이상 여부를 탐지할 수 있다. 예를 들어, 제1 지역, 제2 지역, 제3 지역 및 제4 지역 간을 연결하는 닫힌 경로 형태(closed loop)의 선로가 있다면 KCL/KVL 법칙을 적용하여 전력 사용량 데이터의 정상/이상 여부를 분류할 수 있다.
일 실시예에서, 제3 이상 탐지부(240)는 닫힌 경로 형태의 선로를 통해 연결되는 복수의 단위 객체에 대하여 생산된 전체 에너지, 소비된 전체 에너지, 수출된 전체 에너지 및 수입된 전체 에너지의 합이 0이 되는지 여부를 기초로 에너지 네트워크(10)의 이상을 탐지할 수 있다.
제4 이상 탐지부(250)는 하위 계층에 속한 각각의 단위 객체의 전력 사용량과 상위 계층의 전력 사용량 간의 상관관계 강도를 나타내는 상관계수에 대한 분석을 기초로 에너지 네트워크(10)의 이상을 탐지할 수 있다.
제4 이상 탐지부(250)는 하위 계층에 속한 단위 객체의 전력 사용량과 상위 계층에 속한 단위 객체의 전력 사용량으로 구성되는 데이터 쌍에 대하여 상관계수를 산출할 수 있다. 상관계수는 0보다 크거나 같고, 1보다 작거나 같은 수를 포함할 수 있다. 상관계수는 크기가 1에 가까울수록 데이터 쌍에 포함된 두 전력 사용량 데이터가 서로 상관된 관계임을 나타내며, 0에 가까울수록 두 데이터가 서로 독립적인 관계임을 나타낼 수 있다.
상관분석(Correlation Analysis)이란 두 변수 간에 선형적 또는 비선형적 관계를 갖고 있는지를 분석하는 방법이다. 두 변수는 독립적인 관계이거나, 상관된 관계일 수 있으며, 두 변수 간의 상관된 관계(즉, 상관관계)의 강도를 상관계수(Correlation Coefficient)라고 한다.
일 실시예에서, 제4 이상 탐지부(250)는 피어슨 상관계수(Pearson's Correlation Coefficient) 분석 또는 스피어만 상관계수(Spearman's Correlation Coefficient) 분석을 통해 상관계수를 산출할 수 있으나, 이에 한정되는 것은 아니다.
일 실시예에서, 제4 이상 탐지부(250)는 상기 상관계수의 크기를 기준으로 정해지는 전력 사용량 데이터 쌍의 순서의 변동을 기초로 상기 에너지 네트워크(10)의 이상을 탐지할 수 있다. 예를 들어, 제4 이상 탐지부(250)는 상기 상관계수의 크기를 기준으로 정해지는 전력 사용량 데이터 쌍의 순서를 미리 정해진 기준 상관계수 순서와 비교하여 전력 사용량 데이터 쌍의 순서가 변동되었는지 여부를 판단할 수 있다.
일 실시예에서, 제4 이상 탐지부(250)는 상관계수의 편차가 미리 정해진 허용 편차 보다 크거나 같은 상관계수의 수(즉, 전력 사용량 데이터 쌍의 수)를 기초로 상기 에너지 네트워크(10)의 이상을 탐지할 수 있다. 예를 들어, 제4 이상 탐지부(250)는 상관계수의 편차가 미리 정해진 허용 편차 보다 크거나 같은 상관계수의 수를 미리 정해진 문턱값과 비교하여 에너지 네트워크(10)의 이상을 탐지할 수 있다.
제5 이상 탐지부(260)는 에너지 네트워크(10)에 포함된 전기회로의 차단기 개폐 여부를 모니터링하는 계측기의 계측값을 전기회로에 흐르는 전력량과 비교하여 에너지 네트워크(10)의 이상을 탐지할 수 있다.
전력 시스템은 네트워크 상태(즉, 전기회로 차단기 개폐 여부)를 모니터링하는 계측기를 포함할 수 있으며, 계측기의 계측값(예를 들어, 개방/폐쇄)을 대응되는 전기회로의 전력 흐름과 비교하여 이상여부를 진단할 수 있다. 예를 들어, 네트워크의 개방 여부를 0 또는 1로 표현할 수 있고, 회로가 개방(open) 되어 있을 때는 0으로 표현할 수 있다. 계측기의 계측값이 0인 경우(즉, 회로가 개방된 경우), 전력이 흐르고 있거나 전기부하가 가동되고 있는 것으로 관측된다면 해당 네트워크를 이상상태로 판단할 수 있다. 즉, 전기선로가 개방되어 있는데, 전력이 흐르고 있는 것으로 관측되어 관측 값에 상호모순이 발생하게 된다.
이상 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10: 에너지 네트워크 210: 데이터 수집부
220: 제1 이상 탐지부 230: 제2 이상 탐지부
240: 제3 이상 탐지부 250: 제4 이상 탐지부
260: 제5 이상 탐지부

Claims (7)

  1. 전력 측정의 대상이 되는 제1 단위 객체에 대응되는 제1 계층 및 복수의 상기 제1 단위 객체로 구성되는 제2 단위 객체에 대응되는 제2 계층으로부터 전력 사용량 데이터를 수집하는 데이터 수집부; 및
    상기 제2 단위 객체의 전력 사용량을 상기 제2 단위 객체를 구성하는 적어도 하나 이상의 상기 제1 단위 객체의 전력 사용량의 합과 비교하여 상기 제1 계층 및 상기 제2 계층을 포함하는 에너지 네트워크의 이상을 탐지하는 제1 이상 탐지부;를 포함하고,
    하위 계층에 속한 각각의 단위 객체의 전력 사용량과 상위 계층의 전력 사용량으로 구성되는 전력 사용량 데이터 쌍의 분석을 통해, 데이터 쌍에 포함된 두 전력 사용량 데이터 간의 상관관계 강도를 나타내는 상관계수의 크기를 산출하고, 상기 산출된 상관관계의 크기를 기준으로 정해지는 각 전력 사용량 데이터 쌍의 순서를 미리 정해진 기준 상관계수 순서와 비교하여 전력 사용량 데이터 쌍의 순서가 변동되었는지 여부를 판단하며, 상기 전력 사용량 데이터 쌍의 순서 변동 여부에 기초하여 에너지 네트워크의 이상을 탐지하는 제4 이상 탐지부; 및
    에너지 네트워크에 포함된 전기회로의 차단기 개폐 여부를 모니터링하는 계측기의 계측값을 이용하여 상기 전기회로의 개방 여부를 판단하고, 상기 전기회로의 개방 여부 및 상기 전기회로에 흐르는 전력량을 비교하여 상기 전기회로가 개방된 상태에서 전력이 흐르고 있거나 전기부하가 가동되고 있는 것으로 관측되면 해당 에너지 네트워크를 이상 상태로 판단하는 제5 이상 탐지부를 더 포함하는 AMI 기반 에너지 네트워크의 이상 탐지 시스템.
  2. 제1항에 있어서,
    과거에 수집된 상기 전력 사용량 데이터를 이용하여 미리 생성된 전력 사용량 패턴 데이터를 상기 전력 사용량 데이터와 비교하여 상기 에너지 네트워크의 이상을 탐지하는 제2 이상 탐지부를 더 포함하는 것을 특징으로 하는, AMI 기반 에너지 네트워크의 이상 탐지 시스템.
  3. 제2항에 있어서, 상기 미리 생성된 전력 사용량 패턴 데이터는
    과거에 수집된 상기 전력 사용량 데이터를 이용하여 미리 생성된 시간별, 일별, 주별, 월별 또는 계절별 단위 변량 중 적어도 어느 하나 이상을 이용하여 산출되는 것을 특징으로 하는, AMI 기반 에너지 네트워크의 이상 탐지 시스템.
  4. 제1항에 있어서,
    동일 계층에 속한 적어도 2개 이상의 단위 객체 간 전력 사용량 변동률을 비교하여 미리 정해진 변동률 오차 범위를 벗어나는지 여부를 기초로 상기 에너지 네트워크의 이상을 탐지하는 제3 이상 탐지부를 더 포함하는 것을 특징으로 하는, AMI 기반 에너지 네트워크의 이상 탐지 시스템.
  5. 삭제
  6. 삭제
  7. 제1항에 있어서, 상기 제4 이상 탐지부는
    상기 상관계수의 편차가 미리 정해진 허용 편차 보다 크거나 같은 상기 상관계수의 수를 기초로 상기 에너지 네트워크의 이상을 탐지하는 것을 특징으로 하는, AMI 기반 에너지 네트워크의 이상 탐지 시스템.
KR1020210106866A 2021-08-12 2021-08-12 Ami 기반 에너지 네트워크의 이상 탐지 시스템 KR102572994B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210106866A KR102572994B1 (ko) 2021-08-12 2021-08-12 Ami 기반 에너지 네트워크의 이상 탐지 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210106866A KR102572994B1 (ko) 2021-08-12 2021-08-12 Ami 기반 에너지 네트워크의 이상 탐지 시스템

Publications (2)

Publication Number Publication Date
KR20230024745A KR20230024745A (ko) 2023-02-21
KR102572994B1 true KR102572994B1 (ko) 2023-09-07

Family

ID=85327881

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210106866A KR102572994B1 (ko) 2021-08-12 2021-08-12 Ami 기반 에너지 네트워크의 이상 탐지 시스템

Country Status (1)

Country Link
KR (1) KR102572994B1 (ko)

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
강동주 외 2인, "에너지 사용 맥락을 통한 AMI 네트워크에서의 데이터 이상 감지 방법론 제안", 정보보호학회지 2014(2014.12.31.)*

Also Published As

Publication number Publication date
KR20230024745A (ko) 2023-02-21

Similar Documents

Publication Publication Date Title
Avancini et al. Energy meters evolution in smart grids: A review
de Souza et al. Detection and identification of energy theft in advanced metering infrastructures
Mohammadpourfard et al. A statistical unsupervised method against false data injection attacks: A visualization-based approach
Anwar et al. Ensuring data integrity of OPF module and energy database by detecting changes in power flow patterns in smart grids
Simonov Hybrid scheme of electricity metering in smart grid
Rasmussen et al. A review of cyber-physical energy system security assessment
Panda Intelligent data analysis for sustainable smart grids using hybrid classification by genetic algorithm based discretization
Cioara et al. An overview of digital twins application domains in smart energy grid
Giani et al. Metrics for assessment of smart grid data integrity attacks
Dehghani et al. An overview of the assessment metrics of the concept of resilience in electrical grids
Nagaraj et al. Glass: A graph learning approach for software defined network based smart grid ddos security
Cioara et al. An overview of digital twins application in smart energy grids
Dwivedi et al. Advancements in Enhancing Resilience of Electrical Distribution Systems: A Review on Frameworks, Metrics, and Technological Innovations
Kaitovic et al. Proactive failure management in smart grids for improved resilience: A methodology for failure prediction and mitigation
Ebrahimy et al. Cyber-interdependency in smart energy systems
Lu et al. The development of a smart distribution grid testbed for integrated information management systems
Zhang et al. Power big data: New assets of electric power utilities
KR102572994B1 (ko) Ami 기반 에너지 네트워크의 이상 탐지 시스템
Ghiasi et al. Cyber-physical security in smart power systems from a resilience perspective: Concepts and possible solutions
Saikia et al. Internet of Things for indian electric grid system: a review
Tang Anomaly inference based on heterogeneous data sources in an electrical distribution system
Qin et al. Enhanced situational awareness for DER-rich distribution systems under pre-and post-outage
Lu et al. A multi-layer, hierarchical information management system for the smart grid
Ponmurugan et al. Intrusion detection strategies in smart grid
Othman et al. Hybrid stand-alone photovoltaic systems sizing optimization based on load profile

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right