검색 증강 다중 에이전트 기반 운영 및 유지보수 지원 시스템을 통한 배터리 에너지 저장 시스템의 추적 가능한 고장 진단

Traceable Fault Diagnosis for Battery Energy Storage Systems via Retrieval-Augmented Multi-Agent O&M Assistant

대규모 배터리 에너지 저장 시스템(BESS)은 경고, 셀 레벨 측정값, 장치 토폴로지, 진단 테이블, 과거 사례 및 유지 보수 문서 등 다양한 정보를 종합하여 운영 및 유지보수 결정을 내려야 합니다. 모니터링 플랫폼은 임계값 위반을 감지할 수 있지만, 전압 불일치, 저항 변화, 단락 위험, 용량 차이 또는 열 이상 중 어떤 문제가 개입을 필요로 하는지 설명하는 데 어려움을 겪는 경우가 많습니다. 본 논문에서는 검색 증강 다중 에이전트 추론을 활용하여 운영 데이터, 도메인 지식, 시각적 증거를 연결하고 보고서 생성을 지원하는 추적 가능한 BESS 고장 진단 시스템을 소개합니다. 본 시스템은 BESS에 특화된 작업 라우팅, 스키마 기반 자연어 데이터베이스 접근, 텍스트-이미지 하이브리드 검색, 그리고 근거 기반 답변 생성 기술을 통해 신뢰성을 향상시킵니다. 작업 라우팅, 데이터베이스 접근 및 진단 추론에 대한 초기 내부 평가 결과를 보고합니다.

Large-scale battery energy storage systems (BESSs) require O&M decisions that combine alarms, cell-level measurements, device topology, diagnostic tables, historical cases, and maintenance documents. Monitoring platforms can flag threshold violations, but they often cannot explain whether voltage inconsistency, resistance drift, short-circuit risk, capacity divergence, or thermal abnormality needs intervention. This digest presents a traceable BESS fault-diagnosis assistant that uses retrieval-augmented multi-agent reasoning to connect operational data, domain knowledge, visual evidence, and report generation. Reliability is improved through BESS-specific task routing, schema-constrained natural-language database access, hybrid text-image retrieval, and evidence-based answer synthesis. Preliminary internal evaluation is reported for routing, database access, and diagnostic reasoning.