Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2025.05a
  • /
  • Pages.538-541
  • /
  • 2025
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Unsupervised Learning-based Leak Detection Using Household-level Water Metering Data

수용가의 수도 검침량 데이터를 활용한 비지도 학습 기반 누수 탐지

  • Eunsun Son (Graduate School of Data Science, Kyungpook National University) ;
  • Hyeonjun Hwang (Graduate School of Data Science, Kyungpook National University)
  • 손은선 (경북대학교 데이터사이언스대학원) ;
  • 황현준 (경북대학교 데이터사이언스대학원)
  • Published : 2025.05.29
Download PDF
⟨ Previous Next ⟩

Abstract

상수도 분야의 누수 탐지는 주로 수용가의 신고에 의존해, 피해 발견까지 상당한 시간이 소요된다. 본 연구에서는 1시간 단위로 수집된 1,613세대 수용가의 수도 검침량 데이터에 비지도 학습 기반 딥러닝 모형을 이용한 이상 탐지 모델을 적용하여 누수를 탐지하는 방법론을 제안한다. LSTM-AE, LSTM-VAE, USAD 세 가지 모델을 구현하고 성능을 비교, 평가한 결과 LSTM-VAE의 F1 Score가 약 0.59로 상대적으로 우수한 결과를 보였다. 그리고 LSTM-VAE로 재현된 비지도 학습 기반 데이터와 이상치 점수를 통한 탐지가 잘 작동함을 시각적으로 확인하였다. 이는 신고 이전에 비지도 기반 딥러닝 모형을 이용한 실시간 탐지 모형 개발에 도움이 될 수 있음을 의미한다.

Keywords

Acknowledgement

이 논문은 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원(RS-2023-00242528)과 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원대학ICT연구센터(ITRC)의 지원(IITP-2025-RS-2024-00437756)을 받아 수행된 연구임. 그리고 데이터는 NIPA의 민간지능정보확산 사업('21-'22) 수행에 따른 AI용 공개 학습데이터임.

References

  1. Lee, C. W., & Yoo, D. G. "Development of leakage detection model and its application for water distribution networks using RNN-LSTM."Sustainability, 13, 16, 9262, 2021.
  2. 박재현, 김영준, 김정욱, 나광윤, &신윤경. "스마트 관망 관리를 위한 머신 러닝 기반 누수 감지모델.", 한국차세대컴퓨팅학회 논문지, 19, 6, 103-113, 2023.
  3. Britton, T. C., Stewart, R. A., & O'Halloran, K. R., "Smart metering: enabler for rapid and effective post meter leakage identification and water loss management.", Journal of Cleaner Production, 54, 166-176, 2013.
  4. Carrasco-Jimenez, J. C., Baldaro, F., &Cucchietti, F., "Detection of anomalous patterns in water consumption: An overview of approaches.", Intelligent Systems Conference (IntelliSys), VirtualConference, 2020, 19-33.
  5. Nofal, S., Alfarrarjeh, A., & Abu Jabal, A., "A use case of anomaly detection for identifyingunusual water consumption in Jordan.", Water Supply, 22, 1, 1131-1140, 2022.
  6. 이재호, 조성훈, & 유동현.,"생성적 딥러닝 모형기반 시계열 데이터의 이상치 탐지 비교 연구.", 한국데이터정보과학회지, 34, 3, 377-394, 2023
  7. Malhotra, P., Ramakrishnan, A., Anand, G., Vig, L., Agarwal, P., & Shroff, G., "LSTM-basedencoder-decoder for multi-sensor anomaly detection." ICML 2016 Anomaly Detection Workshop, New York, NY, USA, 2016.
  8. Park, D., Hoshi, Y., & Kemp, C. C., "A multimodal anomaly detector for robot-assisted feeding using an lstm-based variational autoencoder.", IEEE Robotics and Automation Letters, 3, 3, 1544-1551, 2018
  9. Audibert, J., Michiardi, P., Guyard, F., Marti, S., & Zuluaga, M. A., "USAD: Unsupervised ano maly detection on multivariate time series.", the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining, Virtual Event, CA, USA, 2020, 3395-3404
  10. 김민재, 안우현, & 주백석., "딥러닝 기반 제직 준비 공정 실시간 고장 진단 기법 검증". Journal of the Korean Society for Precision Engineering, 42, 2, 185-193, 2025.