본 논문은 수동적이고 오류가 발생하기 쉬운 기존 전력망 고장 진단 방법의 한계를 극복하기 위해, 대규모 언어 모델(LLM)을 기반으로 하는 다중 에이전트 시스템인 Fault2Flow를 제안합니다. Fault2Flow는 규제 로직을 추출하고, 전문가 지식을 통합하며, 추론 로직을 최적화하고, 최종적으로 검증된 로직을 n8n 실행 가능한 워크플로우로 합성합니다. 변압기 고장 진단 데이터셋에 대한 실험 결과는 100% 위상 일관성과 높은 의미적 충실도를 보여주며, 전문가의 업무량을 획기적으로 줄이는 자동화된 고장 분석 경로를 제시합니다.
시사점, 한계점
•
시사점:
◦
LLM을 활용하여 전력망 고장 진단 프로세스를 자동화하고 효율성을 높임.
◦
규제 로직과 전문가 지식을 통합하여 정확하고 신뢰성 있는 결과를 도출.
◦
n8n 실행 가능한 워크플로우를 생성하여 운영 자동화에 기여.
◦
변압기 고장 진단 데이터셋에서 100% 위상 일관성을 달성하여 높은 성능 입증.
•
한계점:
◦
구체적인 한계점에 대한 정보가 논문 초록에 명시되어 있지 않음.
◦
제안된 시스템의 일반화 가능성 및 다른 고장 유형에 대한 적용 가능성에 대한 추가 연구 필요.
