수소 운송망 이상 탐지 약지도 학습 프레임워크
수소 에너지 운반체 활용이 증가함에 따라 운송 인프라에 대한 고급 모니터링 솔루션이 요구됩니다. 특히 지능형 센싱 및 데이터 기반 분석은 안전과 운영 효율성 향상에 중요한 역할을 할 수 있습니다. 그러나 운영 데이터 부족과 시스템의 복잡한 과도 거동으로 인해 수소 운송망의 이상 탐지는 여전히 어려운 과제입니다. 본 연구는 고충실도 시뮬레이션과 데이터 기반 분석을 활용한 수소 운송망의 약지도(weakly-supervised) 이상 탐지 프레임워크를 제안합니다. 이 방법론은 시계열 딥러닝 아키텍처와 비지도 표현 학습 모델을 결합하며, 오탐(false positive)과 미탐(false negative) 간의 균형을 고려한 운영 임계값 보정 전략을 포함합니다. 제안된 프레임워크는 누출, 압축기 오작동, 지연 활성화 이벤트 등 정상 및 비정상 작동 조건을 재현하는 고충실도 시뮬레이션 환경에서 검증되었습니다. 다양한 이상 탐지 아키텍처와의 비교 실험, 측정 노이즈에 대한 강건성 분석, 그리고 leave-one-topology-out 일반화 테스트를 통해 평가되었습니다. 그 결과, 제안된 접근 방식은 신호 품질 저하 및 이전에 관찰되지 않은 운영 구성에 대해서도 강건성을 유지하면서 비정상적인 거동을 효과적으로 식별할 수 있음을 입증했습니다. 이는 수소 운송 인프라를 위한 지능형 모니터링 전략 개발 및 검증 프레임워크로서 본 방법론의 효과성을 강조합니다.