인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Metering Out Fit (MOF), though essential for accurate energy billing, is customer-owned and often poorly maintained, raising the risk of undetected low-voltage faults that undermine metering reliability. This study proposes an integrated AI framework to detect such latent anomalies using large-scale data from advanced metering infrastructure. To overcome the scarcity of labeled fault data, an unsupervised phase first identified statistical outliers and established a diagnostic baseline, used to build a refined labeled dataset for training supervised ensemble classifiers, including Random Forest, LightGBM, and XGBoost. XGBoost achieved the most robust performance, balancing precision and recall. Field validation on selected cases showed that predicted voltage transformation ratio errors were consistent with actual physical degradation, suggesting the framework's potential as a scalable, automated solution for asset management, though large-scale field validation remains for future work.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
