태양광·풍력arXiv 전력계통
태양광 발전소 고장 이벤트와 센서 시계열의 불확실성 인식 동시 생성 모델
연구진은 태양광 발전소의 예측정비(predictive maintenance)와 고장 예측을 위해 이벤트 시퀀스와 센서 시계열을 함께 다루는 멀티모달 생성 모델(multimodal generative model)을 제안했다. 이벤트 데이터는 트랜스포머 호크스 프로세스(Transformer Hawkes Process, THP)로, 시계열 데이터는 iTransformer로 인코딩한 뒤 상호 어텐션(co-attention) 기법으로 결합해 이산적 이벤트와 연속 신호 간의 교차 모달 의존성을 포착하도록 했다. 생성 단계에서는 미래 센서 궤적을 위한 조건부 잠재 확산 모델(Conditional Latent Diffusion Model, CLDM)과 이벤트 예측을 위한 SMURF-THP라는 두 개의 디코더를 사용해, 결정론적 외삽이 아닌 유한 개의 확률적 시나리오를 생성한다. 미국 애리조나주 Red Rock 태양광 사이트의 데이터셋으로 평가한 결과 기준 모델(baseline) 대비 종합 이벤트 예측 F1 점수가 개선됐다고 보고했는데, 초록에는 개선 폭의 구체적 수치나 비교 대상 모델이 제시되지 않았다. 단일 사이트 데이터에 대한 평가이며 동료평가를 거치지 않은 프리프린트일 수 있다는 점을 감안해 읽을 필요가 있다.
11월 1일