电动汽车充电站可解释异常检测
机器学习
2025-07-22 v1 人工智能
摘要
电动汽车(EV)充电站是支撑向可再生能源出发的交通领域转型所必需的关键基础设施，但确保其可靠性与效率需要有效的异常检测以识别充电行为中的异常现象。然在此类生产场景中，确定检测到的异常背后的根本原因同样至关重要。为此，本研究探讨面向EV充电基础设施的无监督异常检测技术，集成可解释人工智能技术以提升可解释性并揭示异常根源。运用真实世界传感器与充电会话数据，本文采用孤立森林(Isolation Forest)进行异常检测，并运用基于深度的孤立森林特征重要性(DIFFI)方法识别贡献异常的最关键特征。该方法的有效性在真实工业案例中得到评估。
引用
@article{arxiv.2507.15718,
title = {Explainable Anomaly Detection for Electric Vehicles Charging Stations},
author = {Matteo Cederle and Andrea Mazzucco and Andrea Demartini and Eugenio Mazza and Eugenia Suriani and Federico Vitti and Gian Antonio Susto},
journal= {arXiv preprint arXiv:2507.15718},
year = {2025}
}
备注
4 pages, 3 figures. Paper accepted to J3C 2025 (Joint Conference on Computers, Cognition and Communication)