온보드 충전기에서 최대 95% 정확도의 에지 AI 감지를 구현하는 AC 그리드 오류 감지

그리드 오류 감지를 위한 데이터 세트를 수집하는 주요 방법은 두 가지입니다.

1) 상용 그리드 모니터링 장치 사용

• 장치가 이상 이벤트 발생 시 자동으로 데이터를 수집하고 보고하므로 가장 간단한 방법이며, TI가 제공하는 데이터 세트도 이 방법으로 수집되었습니다.

2) 그리드 연계 컨버터 사용

• 향후 감지 알고리즘을 실행할 동일한 컨버터를 배치 
• 장시간 그리드 연계 모드로 운전

이상 이벤트 구간을 정확히 식별하고 태그를 지정하는 것이 중요합니다.

AC 그리드 오류의 분류는 다음과 같은 이유로 상당한 어려움이 있습니다.

• 데이터 세트마다 오류 특성이 매우 다양함
• 표준화된 오류 분류 체계가 없음
• OBC(온보드 충전기) 동작과 관련된 오류를 우선적으로 고려해야 함

이러한 문제를 해결하기 위해 다음을 결합한 독자적인 반지도 학습 기반 주석 기법을 개발했습니다.

• 전문가 수동 주석: 도메인 전문 지식을 활용하여 핵심 오류 패턴 식별
• 비지도 계층적 클러스터링
• 유사한 오류 패턴을 자동으로 그룹화
• 데이터 내 자연스러운 범주 식별 지원

주석 품질은 차원 축소 시각화 기법을 통해 엄격하게 평가하므로 오류 클래스 간 명확한 분리를 검증하고 잠재적인 오분류 또는 모호한 사례를 식별할 수 있습니다.

이러한 하이브리드 접근 방식은 오류 범주가 OBC 동작 측면에서 기술적으로 의미가 있으면서도 데이터상에서 통계적으로 구분할 수 있도록 보장합니다.

데이터 세트가 준비되면 TI tinyML Model Zoo를 사용하여 모델을 탐색, 학습 및 평가합니다. 

성능과 전력 요구 사항에 따라 확장 가능한 TI의 최적화된 일반 시계열 모델 라이브러리를 활용할 수 있습니다.

이 사용 사례에서는 TI tinyML Model Zoo의 예제 → 그리드 오류 감지 모델을 참조하십시오.

명령줄 툴로 시작할 수 있으며, tinyml-modelzoo에서는 BYOD(자체 데이터 활용) 또는 BYOM(자체 모델 활용)을 포함해 보다 확장되고 유연한 모델 개발 툴 세트를 제공합니다.