Машинное обучение помогает предсказать, вызовут ли штормы перебои в подаче электроэнергии

Летние грозы, которые выбивают электрические сети, распространены во всем мире. Компьютерные ученые и метеорологи применили машинное обучение, чтобы предсказать, насколько разрушительным будет каждый конкретный шторм.

Летом грозы распространены во всем мире. Помимо порчи днем в парке, молния, дождь и сильный ветер могут повредить электрические сети и вызвать отключение электричества. Легко сказать, когда приближается шторм, но электроэнергетические компании хотят быть в состоянии предсказать, какие из них могут повредить их инфраструктуру.

Машинное обучение — когда компьютеры находят закономерности в существующих данных, которые позволяют им делать прогнозы для новых данных, — идеально подходит для прогнозирования того, какие штормы могут вызвать отключение электроэнергии. Руп Терво, архитектор программного обеспечения в Финском метеорологическом институте (FMI) и доктор философии в университете Аалто в исследовательской группе профессора Алекса Юнга, разработали подход машинного обучения для прогнозирования серьезности штормов.

Первым шагом в обучении компьютера тому, как классифицировать штормы, было предоставление им данных о отключениях электроэнергии. Три финские энергетические компании, Järvi-Suomen Energia, Loiste Sähkoverkko и Imatra Seudun Sähkönsiirto, которые имеют электрические сети через центральную Финляндию, подверженную штормам, предоставили данные о количестве отключений электроэнергии в их сети. Штормы были разбиты на 4 класса. Шторм класса 0 не выбил электричество ни из каких силовых трансформаторов. Шторм класса 1 отключает до 10% трансформаторов, класс 2 — до 50%, а класс 3 — мощность более 50% трансформаторов.

Следующим шагом было получение данных от штормов, которые имелись в FMI, и облегчение понимания компьютера. «Мы использовали новый объектно-ориентированный подход к подготовке данных, что делает эту работу захватывающей», — сказал Руп. «Штормы состоят из множества элементов, которые могут указать, насколько они могут быть вредными: площадь поверхности, скорость ветра, температура и давление, и многие другие. Сгруппировав 16 различных характеристик каждого шторма, мы смогли обучить компьютер распознавать когда штормы будут разрушительными."

Результаты были многообещающими: алгоритм очень хорошо предсказывал, какие бури будут классом 0 и не повредят, а какие бури будут как минимум классом 3 и причинят много ущерба. Исследователи добавляют больше данных о штормах в модель, чтобы улучшить способность отличать штормы 1 и 2 класса друг от друга, чтобы сделать инструменты прогнозирования еще более полезными для энергетических компаний.

«Наш следующий шаг — попытаться усовершенствовать модель, чтобы она работала для большего количества погодных условий, чем просто летние штормы, — сказал Руп, — как мы все знаем, зимой в Финляндии могут быть большие штормы, но они работают иначе, чем летние штормы, поэтому нам нужны разные методы, чтобы предсказать их потенциальный ущерб".