I det kontraktsbaserade efterfrågesvaret, några av deltagarna kan misslyckas med att tillhandahålla den planerade negativawattenergin på grund av fel på efterfrågesidans fluktuationer. Således, Upptäckten av deltagare som inte är ute efter är en viktig funktion för aggregatorn. En grupp japanska forskare har utvecklat en metod för att upptäcka fallerande deltagare baserat på sparsam rekonstruktion. Detta möjliggör säker upptäckt av deltagare som inte har ställts in med begränsad information som aggregator kan använda.

Efterfrågesvaret (DR), dvs. förändringar i konsumenternas elanvändning som svar på incitamentsbetalningar, förväntas vara en av lösningarna på anomalier på utbudssidan, såsom fluktuationer i vind- och solgenerering. DR tar olika former beroende på dess design, inklusive pris/incitament, förutbestämda avtal, direkt lastkontroll, och så vidare. I kontraktsbaserade DR, aggregatorn avtalar med enskilda konsumenter för deras planerade mängder negativ energi. Under tiden, det är oundvikligt att några av deltagarna inte tillhandahåller den planerade negativawattenergin på grund av fluktuationer på efterfrågesidan såsom instrumentfel. Därför, upptäckt av felkällor (dvs. försumliga deltagare) är en viktig funktion hos aggregatorn.

Upptäckten av deltagare som inte är ute efter kan enkelt utföras om aggregatorn kontinuerligt kan mäta sin realtidsförbrukning via smarta mätare. Dock, Sådan mätning är i praktiken svår ur kommunikationskostnadssynpunkt. Dessutom, kontinuerlig mätning i realtid kommer att vara ett hinder för social acceptans för DR. Således, det är att föredra att upptäcka deltagare som inte har ställts in med mer begränsad information, t.ex., genom irreversibel datakomprimering och intermittent mätning.

En grupp forskare från Nagoya University, Hokkaido universitet, och Tokyo University of Science har utvecklat en metod för att upptäcka fallerande deltagare i ett kontraktsbaserat DR-program med data från tidsserien för den totala mängden negativawattenergi och data för den faktiska negativawattenergin för ett begränsat antal deltagare, som inspekteras via smarta mätare. I utvecklingen, de har fokuserat på det faktum att DR är förordnat genom kontrakt, dvs. endast ett fåtal deltagare misslyckas med att tillhandahålla sin planerade negativawattenergi. På grundval av dessa förkunskaper, de har övervägt att tillämpa tekniken för den så kallade sparsamma rekonstruktionen, dvs. rekonstruera en gles vektor från ett litet antal skalära ekvationer, till upptäcktsproblemet. Dock, den exakta lösningen härleds inte alltid genom direkt tillämpning av den vanliga glesa rekonstruktionstekniken på detektionsproblemet. Genom att observera detta resultat, de har utvecklat en iterativ metod som förbättrar den glesa rekonstruktionen i varje iteration genom att inkludera inspektionsdata från föregående iteration. För den föreslagna metoden, det är teoretiskt garanterat att resultatet är exakt. Dessutom, metoden möjliggör upptäckt med ett litet antal inspektioner.