Technische Samenvatting: Privacybehoudende Generatiefraudedetectie voor Gedistribueerde Fotovoltaische Systemen

1. Probleemstelling

De snelle uitbreiding van gedistribueerde residentiële fotovoltaïsche (PV) systemen heeft een nieuwe vorm van elektriciteitsfraude geïntroduceerd: PV-generatiefraude (PVG-FD). In tegenstelling tot traditionele elektriciteitsdiefstal, waarbij verbruik wordt onderschat, omvat PVG-FD kwaadwillende prosumers die hun generatie overschatten om buitensporige inkomsten van nutsbedrijven te claimen. Dit gedrag is bijzonder moeilijk op te sporen vanwege de inherente intermittentie en onzekerheid van zonne-energiegeneratie.

Bestaande detectiemethoden staan voor drie primaire beperkingen:

1. Kloof in datamodaliteit: Traditionele benaderingen slagen er vaak niet in om de complexe, niet-lineaire en dynamische relaties tussen PV-generatiegegevens en weersomstandigheden (specifiek zonne-irradiatie) effectief te modelleren. Deze databronnen verschillen in fysieke betekenis, granulariteit en ruiskenmerken.
2. Privacy en schaalbaarheid: Gecentraliseerde trainingsparadigma's vereisen het aggregeren van gevoelige meetgegevens van meerdere huishoudens, wat aanzienlijke privacyrisico's en communicatieknelpunten creëert.
3. Class imbalance: Frauduleuze gevallen zijn zeldzaam in vergelijking met normale generatie. In gedistribueerde omgevingen, waar gegevens zijn gepartitioneerd over gemeenschappen, wordt de schaarste aan fraudemonsters per gemeenschap verergerd, wat het leren van discriminerende kenmerken belemmert.

2. Methodologie

Het artikel stelt een Privacybehoudend Gedistribueerd PVG-FD-kader voor gebaseerd op Federated Learning (FL). Het kader stelt een nutsbedrijf in staat om meerdere huishoudelijke gemeenschappen te coördineren zonder toegang te hebben tot ruwe lokale gegevens. De oplossing bestaat uit twee hoofdcomponenten:

A. Detectiemodel op Huishoudelijk Niveau (Lokaal)

Elke gemeenschap traint een lokaal detectiemodel dat is ontworpen om multi-brongegevens te fuseren. De architectuur omvat:

• Data-preprocessing: Schuifvenstersegmentatie van PV-generatie- en weersreeksen (Diffuse Horizontale Irradiatie [DHI], Globale Horizontale Irradiatie [GHI] en Directe Normale Irradiatie [DNI]).
• Kenmerkextractie:
  • PV-generatie: Verwerkt via een Long Short-Term Memory (LSTM)-netwerk om temporele afhankelijkheden in de univariate generatiegegevens te vangen.
  • Irradiatiegegevens: Verwerkt via een CNN-LSTM-architectuur. Een 2D-convolutie haalt ruimtelijke correlaties tussen de drie irradiatiemetrics, gevolgd door LSTM-lagen voor temporele modellering.
• Co-Attention-mechanisme: Een nieuw fusiemodule die self-attention en cross-attention combineert.
  • Self-attention verfijnt kenmerken binnen elke modaliteit.
  • Cross-attention maakt bidirectionele interactie mogelijk, waardoor PV-generatiekenmerken zich kunnen richten op irradiatiekenmerken en omgekeerd. Dit vangt inconsistenties op die indicatief zijn voor fraude.
• Voorspelling: Een Multi-Layer Perceptron (MLP) geeft de fraudekans uit.

B. Federated Learning-kader (Globaal)

Om privacy en class imbalance aan te pakken, hanteert het kader:

• Model splitsing: Lokale modellen worden gesplitst in een Basismodel (ondiepe lagen: LSTM, CNN-LSTM, Co-Attention) en een Hoofdmodel (diepe lagen: MLP). Alleen de parameters van het Basismodel worden geüpload naar de server voor aggregatie; het Hoofdmodel blijft lokaal om taakspecifieke beslissingsgrenzen te behouden.
• Prototype-gebaseerde regularisatie: Om class imbalance te mitigeren, maakt het kader gebruik van class-prototypen (representatieve embeddings voor normale en frauduleuze klassen).
  • Lokale prototypen worden berekend uit de embeddings van het basismodel.
  • Globale prototypen worden geaggregeerd door de server.
  • Een regularisatieterm wordt toegevoegd aan de lokale verliesfunctie om lokale prototypen uit te lijnen met globale prototypen met behulp van cosinusgelijkheid. Dit verbetert de representatie van minderheidsklassen (fraude) zonder ruwe gegevens te delen.

3. Belangrijkste Bijdragen

De auteurs identificeren drie specifieke bijdragen:

1. Privacybehoudend FL-kader: Een gedistribueerde methode voor PVG-FD die collaboratief trainen over gemeenschappen mogelijk maakt terwijl gegevensprivacy wordt behouden en class imbalance expliciet wordt aangepakt.
2. Multi-brongegevensfusiemodel: Een detectiemodel op huishoudelijk niveau dat een co-attention-mechanisme gebruikt om PV-generatie en multivariate irradiatiegegevens gezamenlijk te modelleren, waardoor complexe cross-modale afhankelijkheden worden vastgelegd.
3. Prototype-gebaseerde regularisatie: Een mechanisme geïntegreerd in het FL-kader om frauderelateerd representatieleren te verbeteren en kennisuitwisseling tussen gemeenschappen te faciliteren, specifiek gericht op de schaarste aan fraudemonsters.

4. Experimentele Resultaten

De methode werd geëvalueerd op een real-world dataset (Solar Home Electricity Data van Ausgrid) die 300 huizen over drie jaar beslaat, met synthetische fraude ingebracht om drie aanvalstypen te simuleren (uniforme inflatie, piekvensterinflatie en tariefgedreven tijdsverschuiving).

• Prestaties lokaal model: Het voorgestelde model presteerde beter dan state-of-the-art baselines (LSTM, CNN-LSTM, Transformer, Reformer, DLinear) op alle metrieken (Nauwkeurigheid, AUC, F1-score, MCC). Het behaalde 95,57% nauwkeurigheid en 84,17% F1-score onder het FedAvg-kader.
• Robuustheid: Het model toonde superieure prestaties bij cross-seizoentests en onder ruisige irradiatieomstandigheden (waarbij fijnkorrelige weergegevens werden vervangen door gemeenschapsgemiddelden).
• Effectiviteit FL-kader: In vergelijking met alleen lokaal, standaard FedAvg, BalanceFL en FedNH, behaalde het voorgestelde kader de hoogste prestaties (96,90% Nauwkeurigheid, 89,27% F1-score).
• Schaalbaarheid en imbalance: Het kader behield robuuste prestaties naarmate het aantal gemeenschappen toenam (wat de lokale datagrootte verkleinde) en onder extreme class imbalance (0,5% frauderate), waarbij het de hoogste Precision@5/1000 (65,51%) en de laagste False Positive Rate behaalde.
• Communicatie-efficiëntie: De voorgestelde methode verlaagde de communicatie-overhead per ronde in vergelijking met FedAvg en BalanceFL door alleen basisparameters en prototypen uit te wisselen in plaats van volledige modelgewichten.

5. Betekenis en Claims

Het artikel stelt dat het voorgestelde kader de kritieke uitdagingen van privacy, kloven in datamodaliteit en class imbalance bij gedistribueerde PV-fraudedetectie succesvol aanpakt.

• Privacy: Door gebruik te maken van FL en modelsplitsing, stelt het kader nutsbedrijven in staat om wereldwijde kennis te benutten zonder de privacy van individuele huishoudelijke gegevens te compromitteren.
• Nauwkeurigheid: De integratie van weergegevens via een co-attention-mechanisme verbetert de detectienauwkeurigheid aanzienlijk ten opzichte van methoden die uitsluitend vertrouwen op meetgegevens of eenvoudige fusie.
• Omgaan met imbalance: De strategie voor prototype-uitlijning mitigeert effectief de prestatiedegradatie die typisch geassocieerd wordt met zeldzame fraudegebeurtenissen in gedistribueerde omgevingen.

De auteurs concluderen dat hoewel de methode hoge nauwkeurigheid en robuustheid demonstreert, toekomstig werk semi-supervised/unsupervised learning moet verkennen om de afhankelijkheid van gelabelde fraudedata te verminderen en adaptieve communicatiestrategieën te ontwikkelen om de overhead verder te verlagen. Het huidige ontwerp vertrouwt op een standaard synchroon FL-protocol, wat volledige communicatie in elke ronde vereist.