온라인 연쇄 고장 탐지를 위한 실시간 변곡점 검출 기법

본 논문은 전력망과 같은 복합 인프라에서 연쇄적인 고장이 발생할 때, 이를 실시간으로 탐지하기 위한 통계적 프레임워크를 제시한다. 서론에서는 전력 시스템 고장이 단일 사건이 아니라 인접 설비에 연쇄적으로 전파되는 특성을 강조하고, 기존 연구들이 주로 사후 측정값을 통한 정적 분석에 머물렀던 반면, 온라인 탐지의 필요성을 제기한다. 문제 설정에서는 그래프 G = (V,E) 를 정의하고, 각 노드 i 의 고장 시점 τ\*_i 를 미지의 파라미터로 두며, 고장이 발생하면 인접 노드에 미치는 영향력을 α_{j,i} >0 로 모델링한다. 위험률 λ_i(t) 는 선행 고장들의 존재 여부에 따라 단계적으로 증가하는 piece‑wise constant 함수이며, 식 (1)에서 명시된다. 고장이 전혀 발생하지 않은 경우 τ\*_i=∞ 로 표시한다. 측정 모델은 고장 전후 데이터가 각각 표준 정규분포와 평균·분산이 미지인 정규분포를 따른다고 가정한다(식 2). 사전 고장 전 분포는 사전 데이터로부터 추정 가능하므로 고정된 것으로 취급한다. 우도 함수는 고장 전파 모델과 측정 모델로 완전히 분리된다. 고장 전파 우도는 위험률과 생존함수를 이용해 로그우도로 전개되며, 식 (9)‑(11)에서 구체적인 형태가 제시된다. 측정 모델의 로그우도는 고장 시점 τ_i 에 따라 관측값을 평균·분산 추정값(최대우도추정)으로 대체해 계산한다(식 12). 전체 로그우도는 두 부분의 합 ℓ_T(τ)=ℓ_{1,T}+ℓ_{2,T} (식 13)으로 표현된다. 변곡점 검출은 “η 개 이상의 고장이 발생했는가”를 판단하는 가설 검정으로 설정한다. 매 시점 T 에 대해 슬라이딩 윈도우