An Efficient Simultaneous Thermal and Electrical State Estimation for Preventive Maintenance of PV-ESS in Low-Temperature Environments: A Case Study of LSTM/Transformer

본 연구는 겨울철 저온 환경에서 운영되는 단일 주택용 PV-ESS 시스템의 고주파수(5초) 운전 로그(2024-12-29 ~ 2025-02-13, 총 812,859 레코드)를 바탕으로, 안전성을 확보하기 위해 배터리 셀 평균 온도($cTavg$)와 충전 상태($SOC$)를 동시에 예측하는 다중 출력(Multi-output) 시계열 모델을 제안한다. LSTM Encoder-Decoder와 Transformer 구조를 비교 분석한 결과, LSTM은 이벤트 발생 약 113분 전의 긴 리드타임(Lead Time)을 제공하여 선제적 준비에 유리하며, Transformer는 94.9%의 높은 정밀도(Precision)로 불필요한 대응을 줄이는 데 특화되어 있음을 실증하였다. 이러한 모델 별 특성을 기반으로, 운영 상황에 따라 '사전 준비'와 '즉각 대응'으로 차등화된 다단계 예방 정비(PdM) 가이드라인을 제시한다.