KR20210080019A - 에너지 절도 검출 시스템 및 방법 - Google Patents

에너지 절도 검출 시스템 및 방법 Download PDF

Info

Publication number
KR20210080019A
KR20210080019A KR1020190172364A KR20190172364A KR20210080019A KR 20210080019 A KR20210080019 A KR 20210080019A KR 1020190172364 A KR1020190172364 A KR 1020190172364A KR 20190172364 A KR20190172364 A KR 20190172364A KR 20210080019 A KR20210080019 A KR 20210080019A
Authority
KR
South Korea
Prior art keywords
energy
theft
usage
data
energy usage
Prior art date
Application number
KR1020190172364A
Other languages
English (en)
Other versions
KR102356176B1 (ko
Inventor
최상호
푼미야 라집
Original Assignee
가톨릭대학교 산학협력단
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 가톨릭대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Priority to KR1020190172364A priority Critical patent/KR102356176B1/ko
Publication of KR20210080019A publication Critical patent/KR20210080019A/ko
Application granted granted Critical
Publication of KR102356176B1 publication Critical patent/KR102356176B1/ko

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G01R22/066—Arrangements for avoiding or indicating fraudulent use
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/30—Smart metering, e.g. specially adapted for remote reading

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Power Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Alarm Systems (AREA)

Abstract

본 발명은 사용자별 현재와 과거 사용량을 통해 학습을 수행하여 에너지 절도를 검출할 수 있는 에너지 절도 검출 시스템 및 방법을 제공한다.
일 예로서, 개선된 GBTD 알고리즘을 이용하여 에너지 절도를 검출하기 위한 시스템에 있어서, 적어도 하나의 에너지 사용자에 대해 사용한 에너지 사용량 데이터와 해당 사용일을 기준으로 기설정된 과거 복수일의 에너지 사용량의 평균 데이터를 저장하는 데이터베이스; 상기 데이터베이스로부터 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터를 입력받고 조합하여 확장된 특성 벡터를 생성하는 전처리 모듈부; GBTD 알고리즘에 확장된 특성 벡터를 적용하여 에너지의 절도 여부를 판단하는 절도 검출기를 포함하는 에너지 절도 검출 시스템이 개시된다.

Description

에너지 절도 검출 시스템 및 방법{Energy Theft Detecting System And Method}
본 발명은 사용자별 현재와 과거 사용량을 통해 학습을 수행하여 에너지 절도를 검출할 수 있는 에너지 절도 검출 시스템 및 방법에 관한 것이다.
스마트 그리드 미터기를 통해, 사용자의 에너지 사용량을 측정하는 것이 가능하다. 그러나 일부 악의적인 사용자의 경우, 미터기의 조작 등으로 사용량을 조작함으로써, 에너지 사용량을 적게 표시하는 일이 발생하는 문제가 있다. 이러한 에너지 절도를 검출하기 위한 기존 알고리즘들이 존재하나, 검출 성능의 향상이나 검출에 소요되는 시간에서의 개선이 요구되고 있다.
본 발명은 사용자별 현재와 과거 사용량을 통해 학습을 수행하여 에너지 절도를 검출할 수 있는 에너지 절도 검출 시스템 및 방법을 제공한다.
본 발명의 실시예에 따른 에너지 절도 검출 시스템은 개선된 GBTD 알고리즘을 이용하여 에너지 절도를 검출하기 위한 시스템에 있어서, 적어도 하나의 에너지 사용자에 대해 사용한 에너지 사용량 데이터와 해당 사용일을 기준으로 기설정된 과거 복수일의 에너지 사용량의 평균 데이터를 저장하는 데이터베이스; 상기 데이터베이스로부터 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터를 입력받고 조합하여 확장된 특성 벡터를 생성하는 전처리 모듈부; GBTD 알고리즘에 확장된 특성 벡터를 적용하여 에너지의 절도 여부를 판단하는 절도 검출기를 포함할 수 있다.
여기서, 상기 에너지 사용량 데이터는 에너지 사용자 별로 구분되어, 상기 데이터베이스에 저장될 수 있다.
그리고 상기 에너지 사용량 데이터는 하루를 일정 시간 간격으로 나누어, 실제 에너지 사용자의 사용 데이터를 샘플링한 것일 수 있다.
또한, 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터는 동일한 크기 L을 갖고, 상기 확장된 특성 벡터는 크기 2L을 갖도록 생성될 수 있다.
또한, 상기 확장된 특성 벡터는 에너지 사용자별로 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터를 각각 벡터의 형태로 변환하고, 두 벡터를 연결하여 하나의 벡터로 생성하는 것일 수 있다.
더불어, 본 발명에 따른 에너지 절도 검출 방법은 개선된 GBTD 알고리즘을 이용하여 에너지 절도를 검출하기 위한 방법에 있어서, 데이터베이스가 적어도 하나의 에너지 사용자에 대해 사용한 에너지 사용량 데이터와 해당 사용일을 기준으로 기설정된 과거 복수일의 에너지 사용량의 평균 데이터를 저장하는 단계; 전처리 모듈부가 상기 데이터베이스로부터 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터를 입력받고 조합하여 확장된 특성 벡터를 생성하는 단계 및 절도 검출기가 GBTD 알고리즘에 확장된 특성 벡터를 적용하여 에너지의 절도 여부를 판단하는 단계를 포함할 수 있다.
여기서, 상기 에너지 사용량 데이터는 에너지 사용자 별로 구분되어, 상기 데이터베이스에 저장될 수 있다.
그리고 상기 에너지 사용량 데이터는 하루를 일정 시간 간격으로 나누어, 실제 에너지 사용자의 사용 데이터를 샘플링한 것일 수 있다.
또한, 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터는 동일한 크기 L을 갖고, 상기 확장된 특성 벡터는 크기 2L을 갖도록 생성될 수 있다.
또한, 상기 확장된 특성 벡터는 에너지 사용자별로 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터를 각각 벡터의 형태로 변환하고, 두 벡터를 연결하여 하나의 벡터로 생성할 수 있다.
본 발명의 실시예에 따른 에너지 절도 검출 시스템 및 방법은 사용자 별로 현재일의 에너지 사용량과 과거 복수일의 에너지 사용량을 연결하여 확장된 특성 벡터로 사용하고, 이를 토대로 검출 알고리즘에 대입함으로써, 사용자의 개인 정보는 노출하지 않고 연산량을 줄이면서도 에너지 절도를 용이하게 검출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템에서 사용되는 절도가능성이 가장 높은 기간과 가장 낮은 기간에 근거한 데이터 생성을 도시한 예시이다.
도 3은 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템에서 사용되는 예시적인 날의 실제 사용량과 사용 시간(ToU) 기반 절도 케이스의 비교를 도시한 것이다.
도 4는 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템에서 사용되는 특성 벡터 생성 과정을 도시한 개념도이다.
도 5는 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템에서 사용되는 특성 벡터 생성 과정을 도시한 예시이다.
본 발명이 속하는 기술분야에 있어서 통상의 지식을 가진 자가 용이하게 실시할 수 있을 정도로 본 발명의 바람직한 실시예를 도면을 참조하여 상세하게 설명하면 다음과 같다.
도 1은 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템의 블록도이다. 도 2는 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템에서 사용되는 절도가능성이 가장 높은 기간과 가장 낮은 기간에 근거한 데이터 생성을 도시한 예시이다. 도 3은 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템에서 사용되는 예시적인 날의 실제 사용량과 사용 시간(ToU) 기반 절도 케이스의 비교를 도시한 것이다.
먼저, 도 1을 참조하면, 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템(10)은 데이터베이스(100), 전처리 모듈부(200), 절도 검출기(300)를 포함할 수 있다.
여기서, 데이터베이스(100)는 각 사용자가 실제 사용한 에너지 사용량을 저장할 수 있다. 특히, 데이터베이스(100)는 각 사용자별로 실제 사용한 일일 사용량데이터와 과거의 사용량 데이터를 저장할 수 있다.
데이터베이스(100)는 각 사용자별로 실제 사용한 에너지의 사용량 데이터를 구분하여 저장하되, 특정한 기준일, 예를 들어 현재일의 에너지 사용량을 30분 간격으로 48번 샘플링하여 저장할 수 있다. 또한, 데이터베이스(100)는 후술할 바와 같이 각 사용자가 기준일을 기준으로 과거 7일 동안 사용한 에너지의 사용량과 7일 사용량의 평균값을 저장할 수 있다. 이 경우, 과거 7일 사용량의 평균값은 기준일에 따라 결정되며, 기준일이 변경되면, 과거 7일 사용량 역시 변경된 기준일을 토대로 산정될 수 있다. 또한, 데이터베이스(100)는 데이터베이스(100)는 이들 사용량 데이터로부터 전처리 모듈부(200)에서 생성된 확장된 특성 벡터도 역시 전달받아 함께 저장할 수 있다.
전처리 모듈부(200)는 절도 판단에 필요한 특성들을 생성하기 위한 엔지니어링 기반의 전처리 모듈을 의미한다. 구체적으로, 전처리 모듈부(200)는 일일 사용량 추출부(210)와 과거 사용량 추출부(220)를 포함할 수 있다.
여기서, 일일 사용량 추출부(210)는 데이터베이스(100)로부터 기준일을 기준으로 일일 사용량을 추출하게 된다. 예를 들어, 현재일을 에너지 절도를 판단하기 위한 기준으로서 적용할 수 있고, 현재일을 변경함에 따라 에너지 사용 패턴을 확인할 수 있다. 또한, 상술한 바와 같이, 현재일의 에너지 사용량의 경우, 하루를 30분 간격으로 나누어서 샘플링한 데이터일 수 있고, 이 경우, 48개의 샘플링된 크기(L)의 데이터로서 구비될 수 있다.
과거 사용량 추출부(220)는 역시 데이터베이스(100)로부터 기준일을 기준으로 설정된 과거 수일간의 사용량의 평균을 추출할 수 있다. 이 때, 예를 들면, 기준일로부터 과거 7일간의 사용량이 추출되어 적용될 수 있고, 역시 하루마다 30분 간격으로 샘플링한 일일 48개의 데이터들에 대해 7일의 평균값을 통해 도출된 48개의 크기(L)의 데이터가 적용될 수 있다.
도 2에서는 무작위인 날에 대해 사용자의 실제 사용량을 사용하여 생성된 서로 다른 3개의 개선된 절도 케이스가 도시되어 있다. 또한, 적용될 gGBTD 알고리즘의 분류기(classifier)의 수치적 평가와 학습을 위해, 사용자의 실제 사용 xtp에 대한 절도 패턴을 다음과 같이 생성할 수 있다.
Figure pat00001
또한, 본 출원인은 100명의 사용자의 평균에 대해 사용시간(Time of Use, ToU)에 기반한 d-ToU(Dynamic Time-of-Use pricing)와 f-ToU(Fixed Time-of-Use pricing) 윈도우 기반으로, 앞서 생성된 에너지 절도 케이스를 이용하여 gGBTD 알고리즘 중에서 XGBoost의 평균 절도 검출율을 산출하였다.
구체적으로, 도 3은 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템에서 사용되는 예시적인 날의 실제 사용량과 사용 시간(ToU) 기반 절도 케이스의 비교를 도시한 것이다.
이를 위해, 먼저 도 3과 같이, 절도 가능성이 가장 높은 기간(고/중가격 기간(high/normal price period))과 절도 가능성이 가장 낮은 기간(저가격 기간(low price period))으로 윈도우를 구분하고, 악의적 사용자 즉, 에너지 절도자는 고/중가격 기간 동안 절도를 많이 수행할 것으로 가정하였다. 또한, 오후 9시 30분부터 오전 8시 30분까지는 비수기, 저가격 기간으로 가정하고, 오전 8시 30분부터 정오, 다시 오후 6시부터 오후 9시 30분까지는 중가격 기간으로 가정하였으며, 정오부터 오후 6시 30분까지를 성수기, 고가격 기간으로 가정하였다.
또한, 앞서 언급한 것과 같이, 에너지 절도가 오직 고/중 가격 기간에서만 발생되는 상황하에서 t1(xtp), t2(xtp) 및 t3(xtp)로 구성된 3개의 절도 케이스를 도 3과 같이 생성하였고, 그들을 검출하기 위해 분류기(XGBoost classifier)를 학습시켰다. 그 결과, 100명의 사용자의 평균에 대한 테스트 세트를 사용한 성능은 다음과 같다.
XGBoost d-ToU f-ToU
DR(%) 95.7 97.3
FPR(%) 11.9 8.5
한편, 출원인은 기본적인 48개의 일일 사용량 외에, 최소값(Min), 최대값(Max) 및 표준편차(Std)의 특성을 각각 더 부가하여 분류기를 학습시켰다. 그 학습 결과에 따른 성능은 다음과 같다.
XGBoost d-ToU(f-ToU)
최소(Min) 최대(Max) 표준편차(Std)
DR(%) 96(98) 95.4(97.2) 95.5(97.1)
FPR(%) 9.2(7.9) 11.9(8.2) 11.7(8.1)
표 1과 표 2를 비교하면, 최소값(Min)을 추가적인 특성으로 사용하였을 때, d-ToU와 f-ToU 모두 검출율(DR)과 오탐지율(FPR)에서 일부 개선이 있음을 확인하였다. 반면, 최대값(Max)이나 표준편차(Std)의 경우, 성능에서 차이가 없음을 확인하였다.
본 제안에서는 일일 사용량으로서 30분 간격으로 샘플링한 48개의 데이터를 사용하나, 당업자의 선택에 따라 최소값(Min)을 추가한 49개의 데이터를 사용하는 것도 가능하다.
한편, 전처리 모듈부(200)는 이들 일일 사용량 추출부(210)의 48개(크기 L)의 일일 사용량 데이터와 과거 7일간의 사용량 추출부(220)의 48개(크기 L)의 일일 사용량 데이터를 함께 전달받는다. 또한, 전처리 모듈부(200)는 이들 데이터들을 합성하여 98개(크기 2L)의 확장된 특성 벡터를 생성할 수 있다.
구체적으로, 사용자의 현재일의 일일 사용량 벡터를
Figure pat00002
(전체 길이 L=48) 라 한다면, 이전 7일간의 사용량의 평균은
Figure pat00003
(역시, 전체 길이 L)라 할 수 있고, 전처리 모듈부(200)는 이를 토대로 확장된 특성 벡터
Figure pat00004
(전체 길이 2L)를 다음과 같이 생성할 수 있다.
Figure pat00005
또한, 이 경우, 생성된
Figure pat00006
에는 사용자 정보가 포함되어 있지 않고, 다만 사용자별로 현재일의 사용량과 과거 7일간의 사용량의 평균 정보만 포함되어 있다. 따라서, 확장된 특성 벡터
Figure pat00007
로 에너지 절도를 검출함에 있어서, 사용자 정보가 노출되지 않는 장점이 있다.
절도 검출기(300)는 전처리 모듈부(200)로부터 확장된 특성 벡터
Figure pat00008
를 인가받고, 미리 정해진 알고리즘에 적용하여, 정상 사용과 에너지 절도를 구분하여 판단할 수 있다. 이를 위해, 절도 검출기(300)은 개선된 GBTD(Gradient Boosting Theft Detector) 알고리즘을 사용할 수 있다. 여기서, 개선된 GBTD(Gradient Boosting Theft Detector) 알고리즘은 에너지 절도를 검출하기 위한 알고리즘으로, 점진적 부스팅 분류기들(Gradient Boosting Classifiers, GBCs)인 XGBoost(Extreme Gradient Boosting), CatBoost(Categorical Boosting) 및 LightGBM(light gradient boosting) 방법에 기반하고 있다.
개선된 GBTD(Gradient Boosting Theft Detector) 알고리즘은 머신 러닝(Machine Learning)에 기반하여 스마트 그리드(Smart Grid, SG) 미터의 전기 사용에서 비정상적인 활동을 감지한다. 이를 위해, 개선된 GBTD 알고리즘은 사용자의 에너지 소비 패턴에서 비정상을 확인함에 의해 절도를 검출할 수 있다.
특히, 본 출원의 경우, 절도 검출기(300)는 XGBoost 중에서도 mGBTD(modified Gradient Boosting Theft Detector) 또는 gGBTD(global Gradient Boosting Theft Detector) 알고리즘을 이용하여, 에너지 절도를 검출하는 것을 제안한다.
한편, 전처리 모듈부(200)에서 생성된 확장된 특성 벡터
Figure pat00009
를 gGBTD 및 mGBTD를 학습하여 비교한 결과는 다음과 같다.
XGBoost mGBTD gGBTD
DR(%) 96.1 93.29
FPR(%) 9.2 15.63
위의 표 3은 100명의 사용자의 평균에 대해 사용시간 윈도우(D-ToU WINDOW) 기반의 에너지 절도 케이스를 사용하여, mGBTD와 gGBTD로 대표되는 XGBoost 기법의 평균 에너지 절도 검출 성능을 표시한 것이다.표 3의 결과에 따르면, 검출율(Detection Rate, DR)은 mGBTD가 96.1%, gGBTD가 93.29%로 나타나고, 오탐률(False Positive Rate, FPR)은 각각 9.2%, 15.63%로 나타나서, 우수한 성능을 갖는 것을 알 수 있다.
또한, 이렇게 학습된 절도 검출기(300)는 예를 들어, 현재일의 에너지 사용량 데이터가 과거 7일의 에너지 사용량 데이터와 비교할 때 현저하게 차이가 있는 경우, 에너지 절도로 검출하는 것이 가능할 수 있다. 만약, 'I'가 침입(절도), 'A'가 알람(감지)를 나타낸다면, 다음의 수식은 절도에 대한 감지 확률을 나타낼 수 있다. (여기서, DR은 감지율, FPR은 오탐율,
Figure pat00010
는 침입 확률,
Figure pat00011
는 비침입 확률)
Figure pat00012
이하에서는 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템(10)을 이용한 검출 방법을 보다 세부적으로 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템에서 사용되는 특성 벡터 생성 과정을 도시한 개념도이다. 도 5는 본 발명의 일 실시예에 따른 에너지 절도 검출 시스템에서 사용되는 특성 벡터 생성 과정을 도시한 예시이다.
도 4 및 도 5를 참조하면, 먼저, 데이터베이스(100)로부터 전처리 모듈부(200)가 m명의 사용자의 n일에 대한 일일 사용량(크기 L)과 과거 7일 사용량의 평균(크기 L)을 입력 받는다. 또한, 전처리 모듈부(200)는 이들 데이터를 조합하여 확장된 특성 벡터(크기 2L)를 생성한다.
한편, 절도 검출기(300)는 내장된 분류기(classifier) 알고리즘, 예를 들어, 본 발명에서 제안하는 개선된 GBTD(Gradient Boosting Theft Detector) 알고리즘 중 XGBoost 알고리즘을 통해 학습을 미리 수행할 수 있다. 이 때, 학습에 사용되는 데이터들은 앞서 언급한 것처럼, 에너지 절도가 오직 절도 기간에서만 발생되는 상황하에서 t1(xtp), t2(xtp) 및 t3(xtp)로 구성된 3개의 절도 케이스로 생성된 일일 사용량(크기 L, 예를 들어 48개)과 과거 7일 사용량의 평균(크기 L)이 활용될 수 있다. 한편, 이들 절도 케이스에서도 역시 확장된 특성 벡터(크기 2L, 예를 들어, 96개)를 생성하여, 절도 검출기(300)가 학습될 수 있다. 절도 검출기(300)는 학습 결과를 토대로 파라미터를 조정할 수 있고, 이에 따라 절도 검출을 위한 준비가 마무리될 수 있다.
이후에는 앞서 전처리 모듈부(200)에서 실제 사용량 데이터(크기 L)과 과거 7일의 사용량 평균(크기 L)을 통해 생성된 확장된 특성 벡터(크기 2L)을 통해, 절도 검출기(300)가 사용자별로 에너지 사용 패턴을 분석하여 절도 여부를 검출하는 것이 가능하다.
이상에서 설명한 것은 본 발명에 의한 개선된 에너지 절도 검출 시스템 및 방법을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.

Claims (10)

  1. 개선된 GBTD 알고리즘을 이용하여 에너지 절도를 검출하기 위한 시스템에 있어서,
    적어도 하나의 에너지 사용자에 대해 사용한 에너지 사용량 데이터와 해당 사용일을 기준으로 기설정된 과거 복수일의 에너지 사용량의 평균 데이터를 저장하는 데이터베이스;
    상기 데이터베이스로부터 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터를 입력받고 조합하여 확장된 특성 벡터를 생성하는 전처리 모듈부;
    GBTD 알고리즘에 확장된 특성 벡터를 적용하여 에너지의 절도 여부를 판단하는 절도 검출기를 포함하는 에너지 절도 검출 시스템.
  2. 제 1 항에 있어서,
    상기 에너지 사용량 데이터는 에너지 사용자 별로 구분되어, 상기 데이터베이스에 저장되는 에너지 절도 검출 시스템.
  3. 제 1 항에 있어서,
    상기 에너지 사용량 데이터는 하루를 일정 시간 간격으로 나누어, 실제 에너지 사용자의 사용 데이터를 샘플링한 것인 에너지 절도 검출 시스템.
  4. 제 1 항에 있어서,
    상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터는 동일한 크기 L을 갖고, 상기 확장된 특성 벡터는 크기 2L을 갖도록 생성되는 에너지 절도 검출 시스템.
  5. 제 4 항에 있어서,
    상기 확장된 특성 벡터는 에너지 사용자별로 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터를 각각 벡터의 형태로 변환하고, 두 벡터를 연결하여 하나의 벡터로 생성하는 에너지 절도 검출 시스템.
  6. 개선된 GBTD 알고리즘을 이용하여 에너지 절도를 검출하기 위한 방법에 있어서,
    데이터베이스가 적어도 하나의 에너지 사용자에 대해 사용한 에너지 사용량 데이터와 해당 사용일을 기준으로 기설정된 과거 복수일의 에너지 사용량의 평균 데이터를 저장하는 단계;
    전처리 모듈부가 상기 데이터베이스로부터 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터를 입력받고 조합하여 확장된 특성 벡터를 생성하는 단계; 및
    절도 검출기가 GBTD 알고리즘에 확장된 특성 벡터를 적용하여 에너지의 절도 여부를 판단하는 단계를 포함하는 에너지 절도 검출 방법.
  7. 제 6 항에 있어서,
    상기 에너지 사용량 데이터는 에너지 사용자 별로 구분되어, 상기 데이터베이스에 저장되는 에너지 절도 검출 방법.
  8. 제 6 항에 있어서,
    상기 에너지 사용량 데이터는 하루를 일정 시간 간격으로 나누어, 실제 에너지 사용자의 사용 데이터를 샘플링한 것인 에너지 절도 검출 방법.
  9. 제 6 항에 있어서,
    상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터는 동일한 크기 L을 갖고, 상기 확장된 특성 벡터는 크기 2L을 갖도록 생성되는 에너지 절도 검출 방법.
  10. 제 9 항에 있어서,
    상기 확장된 특성 벡터는 에너지 사용자별로 상기 에너지 사용량 데이터와 과거 복수일의 에너지 사용량의 평균 데이터를 각각 벡터의 형태로 변환하고, 두 벡터를 연결하여 하나의 벡터로 생성하는 에너지 절도 검출 방법.
KR1020190172364A 2019-12-20 2019-12-20 에너지 절도 검출 시스템 및 방법 KR102356176B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190172364A KR102356176B1 (ko) 2019-12-20 2019-12-20 에너지 절도 검출 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190172364A KR102356176B1 (ko) 2019-12-20 2019-12-20 에너지 절도 검출 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20210080019A true KR20210080019A (ko) 2021-06-30
KR102356176B1 KR102356176B1 (ko) 2022-01-27

Family

ID=76602449

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190172364A KR102356176B1 (ko) 2019-12-20 2019-12-20 에너지 절도 검출 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102356176B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230046824A (ko) 2021-09-30 2023-04-06 광운대학교 산학협력단 심층 강화학습 기반 에너지 인터넷에서 에너지 절도 검출 방법 및 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120109353A (ko) * 2011-03-25 2012-10-08 제너럴 일렉트릭 캄파니 전력의 도난 및 상태를 검출하기 위한 장치, 방법 및 시스템
JP5068396B1 (ja) * 2012-02-09 2012-11-07 三菱電機株式会社 電力量計、電力量計の盗難検知方法、および電力供給システム
KR101272666B1 (ko) * 2012-01-09 2013-06-10 (주)동인시스템 전력 사용량 모니터링이 가능한 교통신호 시스템 및 그 전력 관리 방법
KR20150072725A (ko) * 2013-12-20 2015-06-30 주식회사 케이티 홈 네트워크에서 비정상 전자 기기를 관리하는 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120109353A (ko) * 2011-03-25 2012-10-08 제너럴 일렉트릭 캄파니 전력의 도난 및 상태를 검출하기 위한 장치, 방법 및 시스템
KR101272666B1 (ko) * 2012-01-09 2013-06-10 (주)동인시스템 전력 사용량 모니터링이 가능한 교통신호 시스템 및 그 전력 관리 방법
JP5068396B1 (ja) * 2012-02-09 2012-11-07 三菱電機株式会社 電力量計、電力量計の盗難検知方法、および電力供給システム
KR20150072725A (ko) * 2013-12-20 2015-06-30 주식회사 케이티 홈 네트워크에서 비정상 전자 기기를 관리하는 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230046824A (ko) 2021-09-30 2023-04-06 광운대학교 산학협력단 심층 강화학습 기반 에너지 인터넷에서 에너지 절도 검출 방법 및 장치

Also Published As

Publication number Publication date
KR102356176B1 (ko) 2022-01-27

Similar Documents

Publication Publication Date Title
US10438308B2 (en) Systems and methods for identifying entities using geographical and social mapping
US7698740B2 (en) Sequential data examination method using Eigen co-occurrence matrix for masquerade detection
US9710631B2 (en) Method for enrolling data in a base to protect said data
CN104216350B (zh) 感测数据分析系统及方法
US20180365696A1 (en) Financial fraud detection using user group behavior analysis
EP3635937A1 (en) System and method for biometric identification
CN109033973B (zh) 监控预警方法、装置及电子设备
Singh et al. Energy theft detection in advanced metering infrastructure
Hasnat et al. A graph signal processing framework for detecting and locating cyber and physical stresses in smart grids
FR2992124A1 (fr) Procede de traitement de donnees securise
US20200042774A1 (en) Suspiciousness degree estimation model generation device
KR102356176B1 (ko) 에너지 절도 검출 시스템 및 방법
Ding et al. Efficient BiSRU combined with feature dimensionality reduction for abnormal traffic detection
CN116302640A (zh) 异常分析方法、装置、计算机设备及计算机可读存储介质
CN113641906A (zh) 基于资金交易关系数据实现相似目标人员识别处理的系统、方法、装置、处理器及其介质
WO2018074027A1 (ja) 異常検出装置、制御方法、及びプログラム
CN112966728A (zh) 一种交易监测的方法及装置
US20220294811A1 (en) Anomaly detection apparatus, anomaly detection method, and computer readable medium
KR20200056340A (ko) 개선된 ｇｂｔｄ 알고리즘을 이용한 에너지 절도 검출 시스템 및 방법
Lu et al. One intrusion detection method based on uniformed conditional dynamic mutual information
Pujari et al. Wrapper-based feature selection on ransomware detection using machine learning
Zhengbing et al. A novel anomaly detection algorithm based on real-valued negative selection system
Liu et al. A Blockchain-assisted Collaborative Ensemble Learning for Network Intrusion Detection
CN110458098B (zh) 一种人脸角度测定的人脸比对方法
CN111444815B (zh) 变电站身份认证方法、系统、装置和计算机设备

Legal Events

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