Explainable Anomaly Detection for Electric Vehicles Charging Stations
Created by
Haebom
저자
Matteo Cederle, Andrea Mazzucco, Andrea Demartini, Eugenio Mazza, Eugenia Suriani, Federico Vitti, Gian Antonio Susto
개요
본 논문은 재생에너지 기반 모빌리티 전환을 위한 필수 인프라인 전기차 충전소의 신뢰성과 효율성을 높이기 위해 비정상 충전 행위를 감지하고 그 원인을 규명하는 연구를 수행했습니다. 실제 세계의 센서 및 충전 세션 데이터를 사용하여 Isolation Forest 알고리즘을 통해 비정상을 감지하고, DIFFI(Depth-based Isolation Forest Feature Importance) 기법을 이용하여 비정상에 기여하는 가장 중요한 특징들을 식별했습니다. 실제 산업 사례를 통해 제안된 접근 방식의 효과를 평가했습니다. 핵심은 비지도 학습 기반의 이상치 탐지와 XAI(eXplainable AI) 기법을 통합하여 이상치의 근본 원인을 파악하는 데 있습니다.
시사점, 한계점
•
시사점:
◦
전기차 충전 인프라의 신뢰성 및 효율성 향상에 기여할 수 있는 실용적인 이상치 탐지 및 원인 분석 방법 제시
◦
Isolation Forest와 DIFFI 기법을 활용하여 실제 데이터 기반의 효과적인 이상치 탐지 및 원인 분석 가능성을 입증
◦
XAI 기법을 통합하여 이상치 탐지 결과의 해석성을 높임으로써 문제 해결에 대한 이해도 향상
