Anomaly Detection for Battery Cycle Data using TadGAN
Abstract
최근 배터리 분야는 생산을 위한 많은 절차와 요구사항들이 존재하며, 생산 과정 중에 그 절차와 요구사항이 만족하는지 점검하기 위한 장비로부터 많은 데이터를 얻을 수 있다. 특히 배터리의 상태 값들을 기록한 표 데이터와 실시간으로 기록한 시계열 데이터를 얻을 수 있다. 배터리 셀의 이상 동작을 조기 감지하는 것은 배터리를 쓰는 장비의 급작스러운 동작 멈춤, 나아가 화재로 이어지는 큰 문제를 방지할 수 있다. 본 연구는 충/방전 테스트를 통해 실시간으로 수집된 데이터를 통해 이상거동을 하는 배터리 셀을 조기에 찾는데 목적이 있다. 하지만 배터리 셀의 충/방전 테스트에서 얻는 데이터는 테스트 조건에 따라 데이터 거동이 동일하지 않기 때문에 이상 셀을 검출하는 것은 쉽지 않다. 본 논문에서는 배터리 셀의 이상치 탐지를 수행하기 위해 TadGAN을 기반으로 다변량 시계열 셀 데이터들로 기계 학습 모델을 구현하고 셀 사이클 데이터의 이상 패턴을 탐지하는 방법을 제안하고자 한다.
Fields of Study & Subjects
Anomaly Detection Techniques and Applications
Battery Modeling and Management
Fault Detection and Control Systems
Publication details
- Journal / source
- 정보과학회 컴퓨팅의 실제 논문지
- Volume
- 32
- Issue
- 2
- Pages
- 76–81
- Publication date
- 28 February 2026
- Language
- EN