論文の概要: Explainable Anomaly Detection for Electric Vehicles Charging Stations
- arxiv url: http://arxiv.org/abs/2507.15718v1
- Date: Mon, 21 Jul 2025 15:27:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.460107
- Title: Explainable Anomaly Detection for Electric Vehicles Charging Stations
- Title（参考訳）: 電気自動車充電ステーションの説明可能な異常検出
- Authors: Matteo Cederle, Andrea Mazzucco, Andrea Demartini, Eugenio Mazza, Eugenia Suriani, Federico Vitti, Gian Antonio Susto,
- Abstract要約: 本研究では、EV充電インフラにおける教師なし異常検出手法について検討する。
eXplainable AI技術を統合して、解釈可能性を高め、異常の根本原因を明らかにする。
提案手法の有効性を実産業事例で評価した。
- 参考スコア（独自算出の注目度）: 3.5724617223939172
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Electric vehicles (EV) charging stations are one of the critical infrastructures needed to support the transition to renewable-energy-based mobility, but ensuring their reliability and efficiency requires effective anomaly detection to identify irregularities in charging behavior. However, in such a productive scenario, it is also crucial to determine the underlying cause behind the detected anomalies. To achieve this goal, this study investigates unsupervised anomaly detection techniques for EV charging infrastructure, integrating eXplainable Artificial Intelligence techniques to enhance interpretability and uncover root causes of anomalies. Using real-world sensors and charging session data, this work applies Isolation Forest to detect anomalies and employs the Depth-based Isolation Forest Feature Importance (DIFFI) method to identify the most important features contributing to such anomalies. The efficacy of the proposed approach is evaluated in a real industrial case.
- Abstract（参考訳）: 電気自動車(EV)充電ステーションは、再生可能エネルギーベースの移動手段への移行を支援するために必要な重要なインフラの1つであるが、その信頼性と効率を確保するには、充電動作の不規則性を特定するために効果的な異常検出が必要である。
しかし、このような生産的なシナリオでは、検出された異常の背後にある根本原因を決定することも重要である。
この目的を達成するために,EV充電インフラにおける教師なし異常検出技術について検討し,eXplainable Artificial Intelligence技術を統合して解析可能性を高め,異常の根本原因を明らかにする。
この研究は、現実世界のセンサーと充電セッションデータを用いて、アイソレーションフォレストを用いて異常を検知し、Depthベースのアイソレーションフォレスト特徴重要度(DIFFI)法を用いて、そのような異常に寄与する最も重要な特徴を識別する。
提案手法の有効性を実産業事例で評価した。
関連論文リスト
- Towards Explainable Anomaly Detection in Shared Mobility Systems [10.821699465856078]
本稿では,自転車共有旅行記録,気象条件,公共交通機関の可利用性など,多元データを統合した解釈可能な異常検出フレームワークを提案する。
その結果, 駅レベルの解析は異常の堅牢な理解を提供し, 悪天候や交通量制限などの外部要因の影響を浮き彫りにした。
論文 参考訳（メタデータ） (2025-07-21T14:06:42Z) - Efficient Test-time Adaptive Object Detection via Sensitivity-Guided Pruning [73.40364018029673]
連続的なテスト時間適応オブジェクト検出(CTTA-OD)は、源となる事前訓練された検出器を常に変化する環境にオンライン適応させることを目的としている。
私たちのモチベーションは、学習したすべての特徴が有益であるとは限らないという観察に起因しています。
FLOPの計算オーバヘッドを12%削減し,優れた適応性を実現する。
論文 参考訳（メタデータ） (2025-06-03T05:27:56Z) - Robust Distribution Alignment for Industrial Anomaly Detection under Distribution Shift [51.24522135151649]
異常検出は産業アプリケーションの品質管理において重要な役割を担っている。
既存の方法は、一般化可能なモデルをトレーニングすることで、ドメインシフトに対処しようとする。
提案手法は,最先端の異常検出法や領域適応法と比較して,優れた結果を示す。
論文 参考訳（メタデータ） (2025-03-19T05:25:52Z) - XAI-guided Insulator Anomaly Detection for Imbalanced Datasets [11.215245485606369]
電力網は多くの産業において重要な要素であり、産業プロセスや技術にシームレスに電気エネルギーを供給している。
ドローンは電力線を検査するためにますます配備され、その結果、高速で正確な処理を必要とする大量の視覚データの流れが生まれる。
ディープラーニング手法はこのタスクで広く普及し、障害検出において貴重な資産であることが証明されている。
論文 参考訳（メタデータ） (2024-09-25T11:19:42Z) - Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。
効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。
本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文 参考訳（メタデータ） (2024-04-24T13:50:27Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - Progressing from Anomaly Detection to Automated Log Labeling and
Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。
この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文 参考訳（メタデータ） (2023-12-22T15:04:20Z) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳（メタデータ） (2023-12-18T12:37:35Z) - An Improved Anomaly Detection Model for Automated Inspection of Power Line Insulators [0.0]
電力系統の信頼性を確保するためには絶縁体の検査が重要である。
検査プロセスを自動化するために、ディープラーニングがますます活用されています。
本稿では,異常検出とオブジェクト検出の2段階的アプローチを提案する。
論文 参考訳（メタデータ） (2023-11-14T11:36:20Z) - Non-contact Sensing for Anomaly Detection in Wind Turbine Blades: A
focus-SVDD with Complex-Valued Auto-Encoder Approach [2.967390112155113]
我々は、FMCWレーダを非破壊検知モードとして利用する製造の品質保証を強化する。
焦点支援ベクトルデータ記述(focus-SVDD)と呼ばれる新しい異常検出手法を提案する。
提案手法の有効性は, 収集データへの適用を通して実証する。
論文 参考訳（メタデータ） (2023-06-19T09:54:34Z) - Artificial Intelligence based Anomaly Detection of Energy Consumption in
Buildings: A Review, Current Trends and New Perspectives [2.1874189959020423]
本稿では,人工知能を用いたエネルギー消費構築のための,既存の異常検出フレームワークの詳細なレビューを行う。
著者の知識を最大限に活用するために、エネルギー消費の構築における異常検出について論じる最初のレビュー記事である。
論文 参考訳（メタデータ） (2020-10-09T13:28:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。