충전데이터를 이용한 이상감지 제어시스템 = Abnormality Detection Control System using Charging Data

다국어 초록 (Multilingual Abstract)

In this paper, we implement a system that detects abnormalities in the charging data transmitted from the charger during the charging process of electric vehicles and controls them remotely. Using classification algorithms such as logistic regression, KNN, SVM, and decision trees, to do this, an analysis model is created that judges the data received from the charger as normal and abnormal. In addition, a model is created to determine the cause of the abnormality using the existing charging data based on the analysis of the type of charger abnormality. Finally, it is solved using unsupervised learning method to find new patterns of abnormal data.

참고문헌 (Reference)

1 김광백, "퍼지 의사 결정 트리를 이용한 한의학 기반의 건강 사전 진단 시스템" 한국정보통신학회 25 (25): 1519-1524, 2021

2 선영규 ; 황유민 ; 심이삭 ; 김진영, "전력선 통신을 이용한 전기자동차 충전 시스템에서 딥 러닝 기반 오류제어" 한국ITS학회 17 (17): 150-158, 2018

3 김항섭 ; 박호민 ; 정태경 ; 이웅재, "전기차 충전인프라 및 데이터 연계 분석에 의한 시스템 모델링 및 실증 설계" 한국인터넷정보학회 20 (20): 51-59, 2019

4 진수봉 ; 이종우, "로지스틱회귀분석 모델을 활용한 도시철도 사상사고 사고예측모형 개발에 대한 연구" 한국철도학회 20 (20): 482-490, 2017

5 유영중 ; 문상호 ; 박성호, "도심 도로의 속도 예측을 위한 KNN 알고리즘 분석" 사단법인 인문사회과학기술융합학회 7 (7): 245-253, 2017

6 J. Jang, "Strategy for using Electric Bus Charging History Information in Gyeonggi-do" 18 (18): 2021

7 김승재 ; 이정재, "SVM을 이용한 얼굴 인식에 관한 연구" 한국인터넷방송통신학회 16 (16): 183-190, 2016