Erkennung und Bewertung von Anomalien in Zeitreihen des Energiebedarfs in 4G und 5G Mobilfunknetzen

Die Anomalieerkennung ist ein Verfahren, das vielseitig eingesetzt wird, insbesondere zur Erkennung von Ausreißern und fehlerhaften Daten. Diese bildet häufig einen Vorverarbeitungs schritt für darauffolgende Analysen. In dieser Arbeit werden Energiebedarfsdaten aus 4G- und 5G-Mobilfunknetze auf Anomalien untersucht. Dazu wird ein Datensatz mit
Energiebedarfsdaten von 4-G und 5G-Basistationen mit Methoden, auf Basis von der mittlere absolute Abweichung vom Median (MAD), dem Seasonal extreme studentised Deviation Test (S-ESD), der Haar Transformation und der Heuristik orientierten Symbolic Arregation Approximation (HOT-SAX), analysiert. Vor der Anwendung der spezifischen Methoden wur den die im Datensatz enthaltenen Informationen einer visuellen Anomalieprüfung unterzogen.Dabei wurden identifizierte Anomalien sorgfältig visuell überprüft und entsprechenden Typen zugeordnet. Des Weiteren werden die Methoden auf ihre Erkennungsraten eines bestimmten Anomalietypen in den Energieverbrauchdaten untersucht. Dieser Anomalietyp wird entspre chend dem der Methode zu Grunde liegenden Verfahren bestimmt. Die Resultate ergaben, dass sämtliche angewandten Methoden erfolgreich Anomalien des beabsichtigten Typs im Energiebedarfsdatensatz identifizieren konnten. Die Evaluierung der einzelnen Methoden ergab, dass die MAD-Methode die niedrigste Erkennungsrate aufwies, während die S-ESD Methode über alle Zeitreihen hinweg prozentual die meisten Anomalien identifizierte. Diese Unterschiede in den Erkennungsraten liefern wertvolle Einblicke in die Leistungsfähigkeit der angewandten Anomalieerkennungstechniken.