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

技術要約：家庭用電力消費時系列における表現認識型異常検知のための、生の逐次データに基づくハイブリッドおよび統計モデルの制御されたベンチマーク

問題提起

多変量電力消費時系列における稀なイベント（異常）の検出は、モデルのアーキテクチャだけでなく、学習前に行われるデータの表現形式によっても大きく左右される。ディープラーニングは異常検知の分野を進展させてきたが、生の逐次モデリング（raw sequential modeling）、画像ベースの時間的変換（具体的にはGramian Angular FieldまたはGAF）、ハイブリッド融合戦略、および統計的テーブル形式のベースラインの間で、十分に制御された比較が行われていない。

既存の文献では、画像ベースの表現を評価する際に、生の逐次データによるベースラインとの強力な比較が不十分であったり、性能の向上が表現そのものによるものか、モデルの容量によるものか、あるいは特定の異常構築プロトコルによるものかを明確にできていなかったりすることが多い。さらに、時系列データを画像（例：GAF）に変換することが、微細な局所的時間の偏差が極めて重要となる不均衡かつ稀なイベント条件下において、一様に特徴抽出を改善すると仮定している研究も多いが、これは厳格な検証を要する主張である。

手法

本研究は、UCI Individual Household Electric Power Consumptionデータセットを用い、制御され、リークを考慮したベンチマークを確立する。実験設計は、再現性を優先し、情報の漏洩を防ぐために厳格なデータの分離を行っている。

1. データと前処理:

• データセット: 単一世帯の300,000個の時系列順サンプル（210日間）からなるサブセット。7つの数値特徴量（総有効・無効電力、電圧、電流、および3つのサブメーター負荷）をカバーする。
• 分割: 時間的整合性を確保するため、異常注入の前段階で、時系列に基づいた訓練・検証・テスト分割を行った。
• 正規化: Min-max正規化のパラメータは訓練セットのみで適合させ、検証およびテストセットに適用した。

2. 合成異常の構築:
データセットには自然な故障ラベルが存在しないため、分割後に制御された合成的な摂動を注入した：

• 点異常（Point Anomalies）: 単一の変数におけるランダムなスパイクまたはドロップ（比率：0.008）。
• 文脈的異常（Contextual Anomalies）: 短いセグメント内での局所的な加法的シフト（比率：0.008）。
• 集合的異常（Collective Anomalies）: スパイクブロック、フラットライン、または逆転した歪みを持つ持続的な部分列（比率：0.015）。

3. ウィンドウ化とラベル付け:

• スライディングウィンドウ: 長さ60、ストライド20のウィンドウを生成した。
• 密度に基づくラベル付け: 異常クラスの過剰な膨張を避けるため、ウィンドウが異常とラベル付けされるのは、異常密度（ウィンドウ内の異常点の比率）が閾値 $\tau = 0.15$ を超えた場合のみとした。これにより、適度に不均衡なデータセット（異常比率 約11%）が得られた。

4. 表現戦略:
同一のウィンドウ化されたデータから、4つの異なる入力表現を導出した：

• 生の逐次データ（Raw Sequential）: 元の時間的順序を保持した $60 \times 7$ 行列。
• GAF画像: 各特徴量を $60 \times 60$ のGramian Angular Field画像に変換し、それらを $60 \times 60 \times 7$ のテンソルとしてスタックしたもの。
• 統計的記述子: 平均、標準偏差、パーセンタイル、差分、および特徴量間の相関を含む、ウィンドウあたりの98次元ベクトル。

5. モデルパイプライン:
以下の4つのパイプラインを、統一されたプロトコル（同一の分割、閾値、および指標）の下で評価した：

• Raw 1D-CNN: 生の逐次ウィンドウに対する直接的な畳み込み。
• GAF-CNN: GAF画像に対する残差ブロックとアテンションを備えた2D畳み込みネットワーク。
• ハイブリッド融合（Hybrid Fusion）: GAF-CNNの特徴量と統計的記述子ブランチの結合。
• XGBoost: 統計的記述子を用いた勾配ブлоースティング。

6. 評価プロトコル:

• 不均衡への対処: ディープモデルに対しては訓練セットにのみマイノリティ・オーバーサンプリングを適用した。XGBoostはクラス重みのチェックを行った。
• 閾値チューニング: F1スコアを最大化するために、検証セット上でモデル固有の閾値を調整した。
• 指標: Accuracy、ROC-AUCに加え、F1スコア、PR-AUC、適合率（Precision）、再現率（Recall）を重視した。
• 堅牢性チェック: データセットの網羅性、ウィンドウ・ラベル付けの境界効果（$\tau=0.15$ において長さ10の集合的異常に対する構造的な偽陰性がないことの検証）、XGBoostの不均衡重み付け、およびブートストラップ信頼区間の監査を含めた。

主な貢献

1. 制御されたベンチマーク: 家庭用電力時系列のための再現可能な表現比較ベンチマークを開発し、共通の合成異常プロトコルの下で、生の逐次、GAFベース、ハイブリッド、および統計的学習の効果を分離して検証した。
2. リークを考慮した設計: 時系列の分割が異常構築およびウィンドウ化に先行する実験ワークフローを確立し、データのリークを厳格に防止した。
3. 表現に関する実証的証拠: 特定の合成摂動およびウィンドウ・ラベル付けのデザインの下では、GAFベースの時系列イメージングが必ずしも直接的な逐次モデリングを凌駕するわけではないという証拠を提示した。
4. 限定的な解釈: 結果を、制御された合成ベンチマークにおける表現モデル・パイプラインの比較として意図的に枠組み化し、実世界のグリッド規模の故障検知に対する優位性の主張を明示的に避けた。

結果

F1最適化検証閾値の下で、Raw 1D-CNN が最も強力な全体的性能を達成した：

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

モデルのランキング:

1. Raw 1D-CNN: 感度と誤報制御の最高のバランス。
2. Hybrid Fusion: 第2位（F1: 0.6908）。スタンドアロンのGAFやXGBoostを大幅に上回り、画像と統計的特徴を融合することが画像のみの学習の限界を緩和することを示唆している。
3. XGBoost: 競争力がある（F1: 0.6445）。統計的記述子が依然として強力なベースラインであることを裏付けている。
4. GAF-CNN: 最も低い性能（F1: 0.5410）。スタンドアロンの画像ベース変換が、このベンチマークにおける特定の疎で局所的な摂動に対しては効果的ではなかったことを示している。

主な観察事項:

• Raw 1D-CNNは、GAF変換よりも局所的な変動や短距離の依存関係をより効果的に保持しており、GAFは微細な時間的手がかりを平滑化または再分配してしまった可能性がある。
• すべてのモデルにおいて中程度の再現率（~60-65%）を示しており、これは異常なウィンドウの約35%が検出されないまま残っていることを意味し、運用上の展開における重要な制限事項である。
• ハイブリッド融合モデルはGAF-CNNを改善したが、Raw 1D-CNNを上回ることはできなかった。これは、表現の複雑さを増すことが必ずしも性能向上を保証しないことを示唆している。

意義と主張

本論文は、表現の選択が異常検知性能における極めて重要かつ、未だ十分に探索されていない要因であると主張している。本研究は、時系列を画像に変換する手法（GAFなど）が、判別能力を普遍的に向上させるという仮定に疑問を投げかけている。むしろ、家庭用電力データにおける稀で局所的に分布した異常に対しては、**直接的な逐次モデリング（Raw 1D-CNN）**の方が、画像ベースの学習よりも効果的であり得ることを示している。

主張の謙虚さ:
著者らは、これらの知見が実世界のグリッド規模の異常検知に対する優位性の証明ではないことを明示している。本研究は以下によって制限されている：

• 自然発生的な故障ではなく、合成された異常ラベルを使用していること。
• 単一の世帯のデータであり、グリッド規模のトポロジーや複数世帯のダイナミクスを欠いていること。
• 特定のウィンドウ・ラベル付けおよび摂動の幾何学的形状に依存していること。

したがって、本研究の意義は、表現戦略の慎重な実証的比較を提供することにある。研究者は、アーキテクチャの優位性を主張する前に、明示的で再現可能な、不均衡を考慮した条件下で、表現とモデルのパイプラインを体系的に評価しなければならないと論じている。結果は、表現の複雑さを増すことが自動的に異常検知の向上につながらないことを示唆しており、最適な戦略は特定の運用コンテキストに応じて経験的に決定される必要がある。