Nyheter

Maskininlärning ett hjälpmedel för att förutsäga elavbrott vid stormar

Datavetare vid Aalto-universitetet och Meteorologiska institutet samarbetar för att förutsäga stormars skadeverkan med hjälp av maskininlärning.
Lightning strikes

Åskstormar är vanliga över hela världen på sommaren. Förutom att de kan förstöra en picknick i parken, så kan blixtar, regn och starka vindar skada elnätet och orsaka elavbrott. 

Det är lätt att se när en storm nalkas, men elbolagen vill kunna förutsäga vilka stormar som riskerar att skada deras infrastruktur.

Maskininlärning - när datorer hittar mönster i befintliga data, vilket möjliggör förutsägelser av ny data - är ett idealt verktyg för att förutsäga vilka stormar som kan orsaka elavbrott. Roope Tervo, mjukvaruarkitekt vid Meteorologiska institutet och forskare i professor Alex Jungs forskningsgrupp vid Aalto-universitetet, har utvecklat en maskininlärningsmetod för att förutsäga hur kraftig en storm kommer att bli. 

Första steget för att lära datorn att kategorisera stormarna var att ge dem data från elavbrott. Tre finska elbolag med elnät i centrala Finland där stormar är frekventa, Järvi-Suomen Energia, Loiste Sähköverkko och Imatra Seudun Sähkönsiirto, angav data om mängden elstörningar i deras nät. Stormarna sorterades sedan i 4 klasser. En storm i klass 0 slog inte ut elektriciteten i någon krafttransformator. En storm i klass 1 skar av strömmen till upp till 10 % av transformatorerna, en i klass 2 upp till 50 %, och en i klass 3 skar av strömmen till mer än 50 % av transformatorerna.

Strom prediction interface, green storms are unlikely to do much damage, but red ones are

Nästa steg var att ta Meteorologiska institutets data från stormarna och göra den lätt för datorn att förstå. “Vi använde en ny objektbaserad metod för att bereda datan, vilket gör det här arbetet spännande”, säger Roope. “Stormar består av flera element som kan indikera hur stor skada de kan göra: ytstorlek, vindhastighet, temperatur och tryck, för att nämna några. Genom att gruppera 16 kännetecken för varje storm så kunde vi träna datorn att känna igen vilka stormar som kommer att åsamka skada.”

Resultatet var lovande: algoritmen var mycket bra på att förutsäga vilka stormar som skulle bli klass 0 och inte orsaka någon skada, och vilka stormar som skulle bli minst klass 3 och orsaka mycket stor skada. Forskarna lägger nu in mer data från stormar i modellen för att förbättra förmågan att särskilja stormar i klass 1 och 2, så att förutsägelserna blir ännu mer användbara för elbolagen.

“Vårt nästa steg är att försöka förfina modellen så att den fungerar för fler sorters väder än bara sommarstormar”, säger Roope. “Som vi alla vet kan det bli stormar även på vintern i Finland, men de beter sig annorlunda än sommarstormar, så vi behöver andra metoder för att förutsäga deras potentiella skadeverkan.”

Länk till artikeln:

R. Tervo, J. Karjalainen and A. Jung, "Short-Term Prediction of Electricity Outages Caused by Convective Storms," in IEEE Transactions on Geoscience and Remote Sensing.
doi: 10.1109/TGRS.2019.2921809 URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8751131&isnumber=4358825

  • Publicerat:
  • Uppdaterad:

Läs fler nyheter

talvinen kuva Otarannasta kaisloineen
Forskning och konst, Studier Publicerat:

Den årliga uppföljningen för doktorander är öppen fram till 16.12.2024

Hur framskrider dina doktorandstudier och din forskning? Uppdatera oss om din situation genom att svara på enkäten.
Marcus Wallenbergin säätiön puheenjohtaja Paul Ehrnrooth
Universitetet Publicerat:

Bergsrådet Marcus Wallenbergs Stiftelse stödjer inrättandet av professurer vid Svenska handelshögskolan och Aalto-universitetets handelshögskola

För att fira sitt 50-årsjubileum har Marcus Wallenbergs Stiftelse för Företagsekonomisk Forskning beslutat att stödja inrättandet av två professurer. Dessutom meddelar stiftelsen att den kommer att öka sitt årliga stöd till doktorandprogrammet Kataja avsevärt.
image
Forskning och konst Publicerat:

Boendets pris - ett finskt perspektiv

Gästföreläsning för jagvillhabostad.nu i samarbete med institutionen för urbana studier, Malmö universitet
Vasemmalta Taras Redchuk, Chris Hayes, Aakeel Wagay, Ada Pajari, Dan Noel, Eveliny Nery ja Jarno Mäkelä. Kuva: Mikko Raskinen.
Utnämningar Publicerat:

Ett team anlände med full fart för att studera bakterier som trivs under extrema förhållanden

Jarno Mäkelä började som biträdande professor i biofysik vid institutionen för neurovetenskap och medicinsk teknik vid Aalto-universitetet i början av september. Samtidigt fick han sällskap av forskaren Taras Redchuk, postdoktorala forskarna Dan Noel och Eveliny Nery, doktoranderna Ada Pajari och Aakeel Wagay, forskningsassistenten Chris Hayes samt en mängd utrustning, finansiering från Finlands Akademi och en ERC Starting Grant från Europeiska forskningsrådet.