Résumé technique : Réseaux prototypiques de Kalman pour la détection de pannes à faible échantillonnage dans les cycles combinés de turbines à gaz

1. Énoncé du problème

Les turbines à gaz à cycle combiné (CCGT) sont essentielles pour la production d'énergie moderne en raison de leur grande efficacité et de leur impact environnemental réduit. Cependant, leurs interactions thermo-fluidiques et mécaniques complexes rendent la détection de pannes difficile, particulièrement pour les événements rares comme les fuites de tubes dans le générateur de vapeur à récupération de chaleur (HRSG). Le principal obstacle au déploiement de systèmes de diagnostic basés sur les données est la rareté des données de pannes correctement étiquetées. Les occurrences de pannes réelles sont rares, les données sont souvent confidentielles et l'étiquetage manuel est gourmand en ressources. Par conséquent, les méthodes d'apprentissage supervisé traditionnelles, qui reposent sur de vastes ensembles de données étiquetées, peinent dans ces environnements industriels contraints par les données. Bien que l'apprentissage à faible échantillonnage (Few-Shot Learning - FSL) offre une solution en permettant aux modèles de généraliser à partir d'exemples minimaux, les méthodes existantes de FSL basées sur la métrique (par exemple, les réseaux prototypiques) souffrent d'une variance épisodique. Dans ces méthodes, les prototypes de classe calculés à partir de petits ensembles de support fluctuent considérablement entre les épisodes d'entraînement, ce qui entraîne des plongements (embeddings) instables et une robustesse réduite lors du déploiement en conditions réelles.

2. Méthodologie : Réseau prototypique de Kalman (KPN)

Les auteurs proposent le Réseau prototypique de Kalman (KPN), un cadre de FSL basé sur la métrique conçu pour stabiliser les représentations de classes en modélisant l'évolution des prototypes comme un processus stochastique latent.

Concept central

La méthode traite la séquence des prototypes de classe $\{p^{(t)}_k\}$ à travers les épisodes d'entraînement $t$ comme une série temporelle générée par un système dynamique latent. Au lieu d'utiliser la moyenne brute et bruitée de l'ensemble des plongements du support pour chaque épisode, le KPN applique un filtre de Kalman pour estimer un prototype débruité et temporellement cohérent $\hat{p}^{(t)}_k$.

Implémentation technique

1. Modèle d'espace d'état :

   • État latent : Le véritable prototype de classe $\hat{p}^{(t)}_k$ est modélisé comme un état latent.
   • Observation : Le prototype observé $p^{(t)}_k$ (calculé à partir de l'ensemble de support) est traité comme une mesure bruitée de l'état latent.
   • Dynamique : Le système suppose un modèle gaussien linéaire à temps discret où les matrices de transition d'état et d'observation sont des matrices identités ($F=H=I$). La covariance du bruit de processus ($Q$) et la covariance du bruit d'observation ($R$) sont des paramètres ajustables.

2. Mise à jour récursive :
   Pendant l'entraînement, pour chaque épisode $t$ et chaque classe $k$ :

   • Prédiction : L'estimation a priori est mise à jour sur la base de l'état filtré précédent.
   • Mise à jour : Le gain de Kalman $K^{(t)}_k$ est calculé pour fusionner de manière optimale l'estimation a priori avec la nouvelle observation $p^{(t)}_k$, lissant ainsi la trajectoire du prototype dans l'espace d'immersion (embedding space).

3. Classification :
   Les échantillons de requête (query) sont classés sur la base de la distance euclidienne au carré par rapport aux prototypes filtrés par Kalman plutôt qu'aux moyennes épisodiques brutes. La fonction de perte minimise la log-vraisemblance négative sur les étiquettes de requête, mettant à jour les paramètres du réseau d'immersion $\theta$ via la descente de gradient, tandis que les paramètres de Kalman sont soit fixés, soit ajustés séparément.

Génération de données

Pour pallier le manque de données de pannes réelles étiquetées, les auteurs ont utilisé une simulation dynamique haute fidélité Modelica/Dymola d'un système CCGT offshore. Cette simulation a généré des données de séries temporelles multi-capteurs synthétiques représentant :

• Une dynamique opérationnelle normale avec des oscillations de charge.
• Des pannes de fuite progressives dans les générateurs de vapeur à passage unique (OTSG), simulées par l'augmentation de la taille de l'orifice de fuite au fil du temps.
  Le jeu de données consiste en cinq séries temporelles d'une semaine (résolution d'une heure), dont trois représentent un fonctionnement normal et deux représentent des fuites en développement.

3. Principales contributions

L'article expose trois contributions principales :

1. Cadre novateur : La proposition du Réseau prototypique de Kalman (KPN), qui modélise l'évolution des prototypes comme un état stochastique latent pour réduire la variance épisodique et améliorer la robustesse de la représentation d'immersion.
2. Utilisation de jeux de données synthétiques : La génération et l'utilisation de jeux de données synthétiques étendus à partir d'un modèle dynamique haute fidélité d'un CCGT offshore existant, simulant des conditions transitoires réalistes et des anomalies de fuite progressives.
3. Évaluation complète : Une analyse de performance approfondie comparant le KPN aux méthodes de référence de l'état de l'art du FSL (Réseaux prototypiques, Matching Networks, Relation Networks et MAML) à travers diverses configurations de support et de requête.

4. Résultats expérimentaux

La méthode proposée a été évaluée par rapport à quatre méthodes de référence (ProtoNet, MatchingNet, RelationNet, MAML) en utilisant des tâches de classification à 2 voies sur le jeu de données synthétique CCGT.

• Précision et stabilité : Le KPN a systématiquement obtenu la précision la plus élevée avec la variance la plus faible dans toutes les configurations testées.
  • Dans la configuration 4-shot, le KPN a atteint 90,51 % ± 2,01 %, surpassant MatchingNet (89,16 %) et le Réseau prototypique (85,57 %).
  • Dans la configuration 6-shot, le KPN a maintenu une précision d'environ 90,42 % avec une variance nettement plus faible (±2,77 %) par rapport à ProtoNet (±5,00 %).
• Robustesse de la taille de la requête : Le KPN a maintenu une précision élevée (>90 %) à travers différentes tailles de requêtes (de 5 à 25 par classe), démontrant une stabilité là où les autres méthodes montraient une plus grande sensibilité à la taille de l'échantillon.
• Sensibilité des paramètres : Le système a montré une performance optimale avec un bruit de processus modéré ($q=10^{-3}$) et un bruit d'observation ($r=10^{-3}$), indiquant un équilibre entre adaptabilité et lissage temporel.
• Dynamique d'entraînement :
  • Analyse de trajectoire : La visualisation des trajectoires de prototypes dans l'espace PCA a montré que le KPN produisait des séparations de classes plus lisses et plus distinctes par rapport aux trajectoires éparpillées et oscillantes des réseaux prototypiques standards.
  • Convergence : Le KPN a démontré une convergence plus rapide et des dynamiques de perte plus lisses pendant l'entraînement, réduisant le bruit associé à l'échantillonnage épisodique.

5. Signification et affirmations

L'article affirme que le cadre KPN lève une barrière critique au déploiement du FSL dans les contextes industriels : l'instabilité des représentations de classes causée par des données limitées. En intégrant le filtrage de Kalman, la méthode stabilise le processus d'apprentissage, menant à :

• Une meilleure généralisation : Capacité accrue à classifier les pannes avec précision même avec très peu d'exemples étiquetés (régimes à faible nombre d'échantillons).
• Une robustesse accrue : Sensibilité réduite à la stochasticité de l'échantillonnage du support et aux variations des conditions opérationnelles.
• Une applicabilité pratique : L'approche est présentée comme bien adaptée à la détection de pannes de CCGT en conditions réelles où les données étiquetées sont limitées, offrant une voie vers une détection d'anomalies fiable sans le coût prohibitif d'un étiquetage de données extensif.

Les auteurs concluent que, bien que le KPN ajoute un surcoût computationnel minimal (négligeable par rapport aux calculs d'immersion), il fournit des estimations statistiquement optimales sous les hypothèses de bruit gaussien, ce qui en fait une solution robuste pour les diagnostics industriels critiques pour la sécurité. Des travaux futurs sont suggérés pour explorer des stratégies de filtrage adaptatif et des extensions aux contextes de classes multiples déséquilibrées.