Летом по всему миру случаются грозы. Помимо испорченных послеобеденных дней в парке, молнии, дождь и сильный ветер могут повредить электросети и вызвать перебои в подаче электроэнергии. Легко сказать, когда приближается буря, но электрические компании хотят иметь возможность 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 отключения электроэнергии. Роопе Терво, архитектор программного обеспечения в Финском метеорологическом институте (FMI) и научный сотрудник Университета Аалто в исследовательской группе профессора Алекса Юнга, разработал подход машинного обучения для прогнозирования силы штормов.
Первым шагом в обучении компьютера тому, как классифицировать штормы, было предоставление им данных об отключении электроэнергии. Три финские энергетические компании, Järvi-Suomen Energia, Loiste Sähkoverkko и Imatra Seudun Sähkönsiirto, у которых есть электрические сети через подверженную ураганам центральную Финляндию, предоставили данные о количестве перебоев в подаче электроэнергии в их сети. Штормы были разделены на 4 класса. Ураган класса 0 не отключил электричество ни от одного силового трансформатора. Отключение от шторма класса 1 до 10% трансформаторов, класса 2 до 50% и отключения мощности от шторма класса 3 более чем для 50% трансформаторов.
Следующим шагом было получение данных о штормах, которые были у FMI, и упрощение их понимания компьютером. «Мы использовали новый объектно-ориентированный подход к подготовке данных, что делает эту работу увлекательной», - сказал Руп.«Штормы состоят из многих элементов, которые могут указать, насколько разрушительными они могут быть: площадь поверхности, скорость ветра, температура и давление, и это лишь некоторые из них. Сгруппировав 16 различных характеристик каждого шторма, мы смогли обучить компьютер распознавать когда штормы будут разрушительными."
Результаты были многообещающими: алгоритм очень хорошо предсказывал, какие штормы будут иметь класс 0 и не причинят ущерба, а какие штормы будут как минимум класса 3 и причинят большой ущерб. Исследователи добавляют в модель больше данных о штормах, чтобы помочь 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 Рупе, - как мы все знаем, зимой в Финляндии бывают сильные штормы, но они работают». отличается от летних штормов, поэтому нам нужны разные методы для прогнозирования их потенциального ущерба"