- 프로젝트 개요: 최근 다양한 이유로 인해 전기차 수요가 증가하고 있다. 그러나 아직 전기차 도입 초기이기 때문에, 이를 운용함에 있어 발생하는 문제점들을 보완하는 과정에 있다고 할 수 있다. 그 중에서 배터리 충전 시 발생하는 이상패턴 탐지는 매우 중요한 task 중 하나이다. 왜냐하면, 전기차의 핵심인 배터리에 발생할 수 있는 잠재적인 고장을 선제적으로 예방할 수 있기 때문이다. 또한, 이상패턴 탐지 후에 어떤 변수(센서)가 중요 변수였는지 파악하여 유지/보수에 도움이 되고자 한다.

- 데이터: 전기차 내에서 배터리 관련 정보를 수집하는 BMS(Battery Management System)에서 전달받은 충전량, 전류, 전압, 온도 등의 정보를 활용하여 분석 진행

- 적용 방법론: 시계열 분석에서 우수한 성능을 보이는 Transformer 기반 이상탐지 알고리즘인 Anomaly Transformer 와 TranAD 를 적용

- 이상패턴 탐지 성능: 적용 알고리즘의 성능을 확인하기 위해, 현업 전문가들이 실제 이상으로 labeling 가능한 데이터를 알려주셨음. 따라서, 해당 이상 데이터를 얼마나 모델이 잘 판별하는지를 탐지 성능으로 활용 (여기서는 AUROC 를 기준)

- 중요변수 산출: 높은 성능을 내는 모델을 바탕으로, 어떤 구간에서 어떤 변수가 중요했는지 파악하여 추후 유지/보수 관점에서 도움이 되고자 함