💻 computer science

A Controlled Benchmark of Raw Sequential Image Based Hybrid and Statistical Models for Representation Aware Anomaly Detection in Household Electricity Consumption Time Series

Este estudio presenta un banco de pruebas controlado que compara modelos secuenciales brutos, basados en imágenes (GAF), híbridos y estadísticos para la detección de anomalías en el consumo de electricidad doméstica, encontrando que el modelado temporal directo (Raw 1D-CNN) superó a otros enfoques bajo protocolos de perturbación sintética, al tiempo que enfatiza la necesidad de una interpretación cautelosa debido al alcance de un solo hogar del conjunto de datos y la falta de anotaciones de fallos del mundo real.

Autores originales: Şükrü Mustafa Kaya, alireza esmaili jobani

Publicado 2026-07-31

📖 3 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Şükrü Mustafa Kaya, alireza esmaili jobani

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective intentando atrapar a un ladrón en una ciudad gigante y bulliciosa. La ciudad está llena de ruido: coches pitando, gente hablando y luces parpadeando. Tu trabajo es detectar a la única persona haciendo algo extraño, como correr en sentido contrario por una calle de sentido único. En el mundo de las computadoras, esta "ciudad" es un flujo de datos, y el "ladrón" es una anomalía: un evento extraño que no debería ocurrir. Este campo se llama detección de anomalías, y es crucial para mantener seguros aspectos como las redes eléctricas o para detectar fraudes.

Para atrapar al ladrón, necesitas una buena forma de observar las pistas. A veces, escuchas los sonidos puros de la ciudad (los datos secuenciales brutos). Otras veces, quizás intentes convertir esos sonidos en una imagen, como un sonograma o un mapa de calor, con la esperanza de que el ruido extraño parezca una forma extraña (esto se llama representación basada en imágenes). También existe el método de la vieja escuela de simplemente contar cuántos coches pasaron en una hora y comprobar si el número es extraño (esto es el aprendizaje estadístico). La gran pregunta que los científicos se han estado haciendo es: "¿Es mejor mirar la imagen que escuchar el sonido bruto, o es el viejo método de contar el más inteligente?".

Este artículo es como un experimento controlado donde los investigadores configuraron una ciudad falsa con un ladrón falso para ver qué método de detective funciona mejor. No usaron una ciudad real con criminales reales; en su lugar, tomaron un conjunto de datos de uso de electricidad de una sola casa e "inyectaron" matemáticamente eventos extraños falsos. Luego probaron cuatro equipos de detectives diferentes: uno que escuchó el sonido bruto, uno que miró la imagen, uno que intentó hacer ambas cosas y uno que solo hizo las matemáticas.

Los resultados fueron una sorpresa para cualquiera que ame las imágenes sofisticadas. El equipo que simplemente escuchó el sonido bruto (el Raw 1D-CNN) resultó ser el mejor detective. Atrapó a la mayoría de los "ladrones" cometiendo la menor cantidad de errores. El equipo que intentó convertir el sonido en una imagen (el GAF-CNN) fue en realidad el peor de todos. Parece que para estos fallos específicos y diminutos, convertir los datos en una imagen en realidad hizo que fuera más difícil ver el problema, algo así como como si entrecerrar los ojos para mirar una foto borrosa hiciera que te perdieras un pequeño detalle que es obvio cuando miras el objeto directamente.

El equipo que intentó combinar la imagen y las matemáticas (Hybrid Fusion) lo hizo mejor que el equipo de solo imágenes, pero aun así no pudo superar al equipo del sonido bruto. Y el equipo de las matemáticas de la vieja escuela (XGBoost) fue en realidad bastante bueno, demostrando que no siempre necesitas una supercomputadora para encontrar un problema.

Los autores son cuidadosos al decir que esto no es una solución mágica para atrapar criminales del mundo real en una red eléctrica real. Debido a que usaron una ciudad falsa y una sola casa, no pueden prometer que su método funcione en todas partes. Pero su experimento sugiere fuertemente que, al menos para este tipo específico de problema, no siempre necesitas convertir tus datos en una imagen sofisticada para encontrar a los malos. A veces, la forma más simple de mirar los datos brutos es, de hecho, la más aguda.

Resumen Técnico: Un Benchmarking Controlado de Modelos Híbridos y Estadísticos de Representación de Secuencias de Imágenes en Bruto para la Detección de Anomalías Sensibles a la Representación en Series Temporales de Consumo Eléctrico Doméstico

Planteamiento del Problema

La detección de anomalías de eventos raros en series temporales multivariantes de consumo eléctrico está influenciada no solo por la arquitectura del modelo, sino significativamente por la representación de los datos utilizada antes del aprendizaje. Aunque el aprendizaje profundo ha avanzado en la detección de anomalías, existe una comparación controlada insuficiente entre el modelado secuencial en bruto, las transformaciones temporales basadas en imágenes (específicamente el Campo Angular de Gramian o GAF), las estrategias de fusión híbrida y los baselines estadísticos tabulares.

La literatura existente suele evaluar las representaciones basadas en imágenes sin realizar comparaciones suficientemente sólidas contra los baselines de secuencias en bruto, o bien no logra aclarar si las mejoras en el rendimiento provienen de la representación en sí, de la capacidad del modelo o de protocolos específicos de construcción de anomalías. Además, muchos estudios asumen que transformar datos de series temporales en imágenes (por ejemplo, GAF) mejora universalmente la extracción de características, una afirmación que requiere una validación rigurosa bajo condiciones de desequilibrio y de eventos raros donde las desviaciones temporales locales finas son críticas.

Metodología

El estudio establece un benchmark controlado y consciente de la fuga de datos (leakage-aware) utilizando el conjunto de datos UCI Individual Household Electric Power Consumption. El diseño experimental prioriza la reproducibilidad y una separación estricta de los datos para evitar la fuga de información.

1. Datos y Preprocesamiento:

Conjunto de datos: Un subconjunto de 300,000 muestras ordenadas cronológicamente (210 días) de un solo hogar, que cubre siete características numéricas (potencia activa/reactiva global, voltaje, intensidad y tres cargas de sub-medición).
División (Splitting): Se realizó una división cronológica de entrenamiento-validación-prueba antes de cualquier inyección de anomalías para asegurar la integridad temporal.
Normalización: Los parámetros de normalización min-max se ajustaron únicamente en el conjunto de entrenamiento y se aplicaron a los conjuntos de validación y prueba.

2. Construcción de Anomalías Sintéticas:
Dado que el conjunto de datos carece de etiquetas de fallos naturales, se inyectaron perturbaciones sintéticas controladas post-división:

Anomalías de Punto: Picos/caídas aleatorios en una sola característica (ratio: 0.008).
Anomalías Contextuales: Desplazamientos aditivos locales dentro de segmentos cortos (ratio: 0.008).
Anomalías Colectivas: Subsecuencias sostenidas con distorsiones de tipo bloque de picos, línea plana o inversas (ratio: 0.015).

3. Ventaneo y Etiquetado:

Ventanas Deslizantes: Ventanas de longitud 60 con un paso (stride) de 20.
Etiquetado Basado en Densidad: Para evitar la sobreinflación de la clase de anomalía, una ventana se etiquetó como anómala solo si la densidad de anomalía (ratio de puntos anómalos dentro de la ventana) excedía un umbral de $\tau = 0.15$ . Esto resultó en un conjunto de datos moderadamente desequilibrado (~11% de ratio de anomalía).

4. Estrategias de Representación:
Se derivaron cuatro estrategias de representación distintas a partir de los mismos datos ventaneados:

Secuencia en Bruto (Raw Sequential): Matriz de $60 \times 7$ que preserva el orden temporal original.
Imagen GAF: Cada característica transformada en una imagen de Campo Angular de Gramian de $60 \times 60$ , apilada en un tensor de $60 \times 60 \times 7$ .
Descriptores Estadísticos: Un vector de 98 dimensiones por ventana que contiene media, desviación estándar, percentiles, diferencias e inter-correlaciones entre características.

5. Pipelines de Modelos:
Se evaluaron cuatro pipelines bajo un protocolo unificado (mismos cortes, umbrales y métricas):

1D-CNN en Bruto: Convolución directa sobre ventanas secuenciales originales.
GAF-CNN: Red convolucional 2D con bloques residuales y atención sobre imágenes GAF.
Fusión Híbrida: Concatenación de características de GAF-CNN y una rama de descriptores estadísticos.
XGBoost: Boosting de gradiente sobre descriptores estadísticos.

6. Protocolo de Evaluación:

Manejo de Desequilibrio: Se aplicó sobremuestreo de la clase minoritaria solo al conjunto de entrenamiento para los modelos profundos; XGBoost utilizó verificaciones de ponderación de clase.
Ajuste de Umbral: Los umbrales específicos del modelo se ajustaron en el conjunto de validación para maximizar el F1-score.
Métricas: Énfasis en F1-score, PR-AUC, Precisión y Recall, junto con Accuracy y ROC-AUC.
Verificaciones de Robustez: El estudio incluyó auditorías de cobertura del dataset, efectos de frontera en el etiquetado de ventanas (verificando la ausencia de falsos negativos estructurales para anomalías colectivas de longitud-10 con $\tau=0.15$ ), ponderación de desequilibrio de XGBoost e intervalos de confianza de bootstrap.

Contribuciones Clave

Benchmark Controlado: Desarrollo de un benchmark reproducible de comparación de representaciones para series temporales de consumo eléctrico doméstico, aislando los efectos del aprendizaje secuencial en bruto, basado en GAF, híbrido y estadístico bajo un protocolo de anomalía sintética compartido.
Diseño Consciente de Fuga (Leakage-Aware): Establecimiento de un flujo de trabajo experimental donde la división cronológica precede a la construcción de anomalías y al ventaneo, previniendo estrictamente la fuga de datos.
Evidencia Empírica sobre la Representación: Provisión de evidencia de que, bajo un diseño específico de perturbación sintética y etiquetado de ventanas, el modelado de series temporales mediante imágenes GAF no necesariamente supera al modelado temporal directo.
Interpretación Acotada: Encuadre deliberado de los resultados como una comparación de pipelines de representación-modelo en un benchmark sintético controlado, evitando explícitamente afirmaciones de superioridad para la detección de fallos a escala de red real.

Resultados

Bajo el umbral optimizado de F1 en la validación, la 1D-CNN en Bruto logró el mejor rendimiento general:

Accuracy: 0.9528
Precisión: 0.9116
Recall: 0.6471
F1-score: 0.7569
PR-AUC: 0.7500

Ranking de Modelos:

1D-CNN en Bruto: Mejor equilibrio general de sensibilidad y control de falsas alarmas.
Fusión Híbrida: Clasificada en segundo lugar (F1: 0.6908), superando significativamente al GAF y a XGBoost de forma independiente, lo que sugiere que la fusión de características de imagen y estadísticas mitiga algunas limitaciones del aprendizaje basado solo en imágenes.
XGBoost: Competitivo (F1: 0.6445), confirmando que los descriptores estadísticos siguen siendo baselines sólidos.
GAF-CNN: El de menor rendimiento (F1: 0.5410), indicando que la transformación de imagen independiente fue menos efectiva para las perturbaciones específicas, dispersas y localizadas de este benchmark.

Observaciones Clave:

La 1D-CNN en Bruto preservó las fluctuaciones locales y las dependencias de corto alcance de manera más efectiva que la transformación GAF, la cual pudo haber suavizado o redistribuido las señales temporales finas.
Todos los modelos exhibieron un recall moderado (~60-65%), lo que indica que aproximadamente el 35% de las ventanas anómalas permanecieron sin detectar, una limitación crítica para el despliegue operativo.
El modelo de Fusión Híbrida mejoró respecto al GAF-CNN pero no superó a la 1D-CNN en Bruto, sugiriendo que el aumento de la complejidad representacional no garantiza un rendimiento superior.

Significación y Reivindicaciones

El artículo sostiene que la elección de la representación es un factor crítico y a menudo subexplorado en el rendimiento de la detección de anomalías. El estudio desafía la suposición de que las transformaciones de serie temporal a imagen (como GAF) mejoran universalmente la capacidad discriminativa. En cambio, demuestra que para anomalías domésticas de electricidad raras y localmente distribuidas, el modelado temporal directo (1D-CNN en Bruto) puede ser más efectivo que el aprendizaje basado en imágenes transformadas.

Modestia de las Reivindicaciones:
Los autores declaran explícitamente que estos hallazgos no son una prueba de superioridad para la detección de anomalías en redes eléctricas reales. El estudio está limitado por:

El uso de etiquetas de anomalías sintéticas en lugar de fallos naturales.
Datos de un único hogar, que carece de la topología de red a gran escala o de la dinámica multi-hogar.
La geometría específica de etiquetado de ventanas y perturbación.

Por lo tanto, la significación del trabajo reside en proporcionar una comparación empírica cautelosa de las estrategias de representación. Argumenta que, antes de reclamar la superioridad arquitectónica, los investigadores deben evaluar sistemáticamente los pipelines de representación-modelo bajo condiciones explícitas, reproducibles y conscientes del desequilibrio. Los resultados sugieren que aumentar la complejidad representacional no conduce automáticamente a un mejor detector de anomalías y que la estrategia más adecuada debe determinarse empíricamente para el contexto operativo específico.