Resumen Técnico: Detección de Fraude en la Generación con Preservación de la Privacidad para Sistemas Fotovoltaicos Distribuidos

1. Declaración del Problema

La rápida expansión de los sistemas fotovoltaicos (FV) residenciales distribuidos ha introducido una nueva forma de fraude eléctrico: Fraude en la Generación Fotovoltaica (PVG-FD). A diferencia del robo de electricidad tradicional, que implica la subdeclaración del consumo, el PVG-FD implica que los prosumidores malintencionados sobredenuncien su generación para reclamar ingresos excesivos a las empresas de servicios públicos. Este comportamiento es particularmente difícil de detectar debido a la intermitencia inherente y la incertidumbre de la generación solar.

Los métodos de detección existentes enfrentan tres limitaciones principales:

1. Brecha de Modalidad de Datos: Los enfoques tradicionales a menudo no logran modelar efectivamente las relaciones complejas, no lineales y dinámicas entre los datos de generación FV y las condiciones meteorológicas (específicamente la irradiancia solar). Estas fuentes de datos difieren en significado físico, granularidad y características de ruido.
2. Privacidad y Escalabilidad: Los paradigmas de entrenamiento centralizado requieren agregar datos sensibles de medidores de múltiples hogares, creando riesgos significativos de privacidad y cuellos de botella en la comunicación.
3. Desequilibrio de Clases: Los casos fraudulentos son raros en comparación con la generación normal. En entornos distribuidos, donde los datos están particionados entre comunidades, la escasez de muestras fraudulentas por comunidad se exacerba, obstaculizando el aprendizaje de características discriminativas.

2. Metodología

El artículo propone un Marco de Detección de Fraude PVG-FD Distribuido con Preservación de la Privacidad basado en Aprendizaje Federado (FL). El marco permite que una empresa de servicios públicos coordine múltiples comunidades de hogares sin acceder a datos locales crudos. La solución comprende dos componentes principales:

A. Modelo de Detección a Nivel Residencial (Local)

Cada comunidad entrena un modelo de detección local diseñado para fusionar datos de múltiples fuentes. La arquitectura incluye:

• Preprocesamiento de Datos: Segmentación con ventana deslizante de series temporales de generación FV y meteorológicas (Irradiancia Horizontal Difusa [DHI], Irradiancia Horizontal Global [GHI] e Irradiancia Normal Directa [DNI]).
• Extracción de Características:
  • Generación FV: Procesada mediante una red de Memoria a Corto y Largo Plazo (LSTM) para capturar dependencias temporales en los datos univariados de generación.
  • Datos de Irradiancia: Procesados mediante una arquitectura CNN-LSTM. Una convolución 2D extrae correlaciones espaciales entre las tres métricas de irradiancia, seguida de capas LSTM para el modelado temporal.
• Mecanismo de Co-Atención: Un módulo de fusión novedoso que combina auto-atención y atención cruzada.
  • La auto-atención refina las características dentro de cada modalidad.
  • La atención cruzada permite una interacción bidireccional, permitiendo que las características de la generación FV atiendan a las características de la irradiancia y viceversa. Esto captura inconsistencias indicativas de fraude.
• Predicción: Un Perceptrón Multicapa (MLP) genera la probabilidad de fraude.

B. Marco de Aprendizaje Federado (Global)

Para abordar la privacidad y el desequilibrio de clases, el marco emplea:

• División del Modelo: Los modelos locales se dividen en un Modelo Base (capas superficiales: LSTM, CNN-LSTM, Co-Atención) y un Modelo de Cabeza (capas profundas: MLP). Solo los parámetros del Modelo Base se cargan al servidor para su agregación; el Modelo de Cabeza permanece local para preservar los límites de decisión específicos de la tarea.
• Regularización Basada en Prototipos: Para mitigar el desequilibrio de clases, el marco utiliza prototipos de clase (incrustaciones representativas para las clases normal y fraudulenta).
  • Los prototipos locales se calculan a partir de las incrustaciones del modelo base.
  • Los prototipos globales son agregados por el servidor.
  • Se añade un término de regularización a la función de pérdida local para alinear los prototipos locales con los globales utilizando similitud coseno. Esto mejora la representación de las clases minoritarias (fraude) sin compartir datos crudos.

3. Contribuciones Clave

Los autores identifican tres contribuciones específicas:

1. Marco FL con Preservación de la Privacidad: Un método distribuido para PVG-FD que permite el entrenamiento colaborativo entre comunidades mientras preserva la privacidad de los datos y aborda explícitamente el desequilibrio de clases.
2. Modelo de Fusión de Datos de Múltiples Fuentes: Un modelo de detección a nivel residencial que utiliza un mecanismo de co-atención para modelar conjuntamente la generación FV y los datos de irradiancia multivariados, capturando dependencias complejas entre modalidades.
3. Regularización Basada en Prototipos: Un mecanismo integrado en el marco FL para mejorar el aprendizaje de representaciones relacionadas con el fraude y facilitar el intercambio de conocimientos entre comunidades, dirigiéndose específicamente a la escasez de muestras fraudulentas.

4. Resultados Experimentales

El método se evaluó en un conjunto de datos del mundo real (Datos de Electricidad de Hogares Solares de Ausgrid) que cubre 300 hogares durante tres años, con fraude sintético inyectado para simular tres tipos de ataques (inflación uniforme, inflación en ventana de pico y desplazamiento temporal impulsado por tarifas).

• Rendimiento del Modelo Local: El modelo propuesto superó a las líneas base más avanzadas (LSTM, CNN-LSTM, Transformer, Reformer, DLinear) en todas las métricas (Precisión, AUC, Puntuación F1, MCC). Logró una precisión del 95,57% y una puntuación F1 del 84,17% bajo el marco FedAvg.
• Robustez: El modelo demostró un rendimiento superior bajo pruebas cruzadas estacionales y condiciones de irradiancia ruidosas (donde los datos meteorológicos detallados fueron reemplazados por promedios comunitarios).
• Efectividad del Marco FL: En comparación con Solo Local, FedAvg estándar, BalanceFL y FedNH, el marco propuesto logró el rendimiento más alto (96,90% de Precisión, 89,27% de Puntuación F1).
• Escalabilidad y Desequilibrio: El marco mantuvo un rendimiento robusto a medida que aumentaba el número de comunidades (reduciendo el tamaño de los datos locales) y bajo un desequilibrio de clases extremo (tasa de fraude del 0,5%), donde logró la mayor Precisión@5/1000 (65,51%) y la menor Tasa de Falsos Positivos.
• Eficiencia de Comunicación: El método propuesto redujo la sobrecarga de comunicación por ronda en comparación con FedAvg y BalanceFL al intercambiar solo parámetros base y prototipos, en lugar de los pesos completos del modelo.

5. Significado y Afirmaciones

El artículo afirma que el marco propuesto aborda con éxito los desafíos críticos de privacidad, brechas de modalidad de datos y desequilibrio de clases en la detección de fraude FV distribuido.

• Privacidad: Al utilizar FL y división de modelos, el marco permite a las empresas de servicios públicos aprovechar el conocimiento global sin comprometer la privacidad de los datos de los hogares individuales.
• Precisión: La integración de datos meteorológicos mediante un mecanismo de co-atención mejora significativamente la precisión de detección en comparación con los métodos que dependen únicamente de datos de medidores o fusiones simples.
• Manejo del Desequilibrio: La estrategia de alineación de prototipos mitiga efectivamente la degradación del rendimiento típicamente asociada con eventos de fraude raros en entornos distribuidos.

Los autores concluyen que, aunque el método demuestra alta precisión y robustez, el trabajo futuro debería explorar el aprendizaje semi-supervisado/no supervisado para reducir la dependencia de datos de fraude etiquetados y desarrollar estrategias de comunicación adaptativas para reducir aún más la sobrecarga. El diseño actual depende de un protocolo FL síncrono estándar, que requiere comunicación completa en cada ronda.