Uutiset

Koneoppiminen auttaa ennustamaan myrskyjen aiheuttamia sähkökatkoja

Aalto-yliopiston ja Ilmatieteen laitoksen yhteistyössä hyödynnetään koneoppimista myrskytuhojen ennustamisessa.
Lightning strikes

Kesäiset ukkosmyrskyt ovat yleisiä kaikkialla maailmassa. Myrskyn saapumisajan ennustaminen on helppoa, mutta sähköyhtiöiden on tärkeää myös tietää, milloin salamointi, rankat sateet ja kovat tuulet voivat vahingoittaa niiden infrastruktuuria ja aiheuttaa sähkökatkoksia.

Ilmatieteen laitoksen ohjelmistoarkkitehti Roope Tervo on kehittänyt haasteen ratkaisemiseen koneoppimista hyödyntävän lähestymistavan. Koneoppiminen tarkoittaa, että tietokoneet löytävät olemassa olevista tiedoista malleja, joiden avulla ne voivat tehdä ennusteita uuden tiedon tuottamiseksi.

”Koneoppiminen on erinomainen tapa ennustaa, mitkä myrskyt voivat aiheuttaa sähkökatkoja”, kertoo Tervo, joka työskentelee myös tutkijatohtorina Aalto-yliopiston professori Alex Jungin tutkimusryhmässä

Opetusmateriaalia myrskyherkiltä alueilta

Tutkimuksen ensimmäisessä vaiheessa tietokoneet opetettiin luokittelemaan myrskyt syöttämällä niille tiedot sähkökatkoista. Tiedot saatiin Järvi-Suomen Energialta, Loiste Sähköverkolta ja Imatran Seudun Sähkönsiirrolta, joilla on sähköverkkoja Keski-Suomen myrskyherkillä alueilla.

Myrskyt jaettiin neljään luokkaan. Luokan 0 myrsky ei katkaissut sähköjä yhdestäkään muuntajasta. Luokan 1 myrsky katkaisi sähköt enintään 10 prosentista, luokan 2 myrsky enintään 50 prosentista ja luokan 3 myrsky yli 50 prosentista muuntajista.

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

Seuraava vaihe oli muokata Ilmatieteen laitoksen tiedot tietokoneen helposti ymmärrettävissä olevaan muotoon.

”Käytimme tietojen valmistelussa uutta oliopohjaista lähestymistapaa, mikä teki työstä jännittävää”, Roope Tervo kertoo.

”Myrskyt koostuvat useista elementeistä, jotka osoittavat, kuinka vahingollisia ne voivat olla. Tällaisia elementtejä ovat esimerkiksi pinta-ala, tuulen nopeus, lämpötila ja ilmanpaine. Ryhmittelemällä 16 erilaista ominaisuutta kustakin myrskystä pystyimme kouluttamaan tietokoneen tunnistamaan, milloin myrskyt ovat tuhoisia.”

Tulokset olivat lupaavia: algoritmi ennusti erittäin hyvin sen, mitkä myrskyt olisivat luokkaa 0 eivätkä aiheuttaisi vahinkoja, ja sen, mitkä myrskyt olisivat vähintään luokkaa 3 ja aiheuttaisivat paljon vahinkoja.  Jatkossa tutkijat lisäävät malliin myrskyjä koskevia tietoja helpottaakseen luokkien 1 ja 2 myrskyjen erottamista toisistaan, jolloin ennakoimistyökaluista saadaan vielä hyödyllisempiä energiayhtiöille.

”Seuraava askeleemme on kokeilla ja tarkentaa mallia niin, että se toimii muidenkin säiden kuin vain kesämyrskyjen osalta. Suomessa voi olla suuria myrskyjä talvella, mutta ne ovat erilaisia kuin kesämyrskyt, joten tarvitsemme erilaisia menetelmiä mahdollisten vahinkojen ennakoimiseksi”, Tervo kertoo.

Lisätietoja:

suunnittelija Roope Tervo, Ilmatieteen laitos
p. 029 539 3651
[email protected]

Artikkeli:

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

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lisää tästä aiheesta

Cover image of the journal, featuring the researchers work
Tutkimus ja taide Julkaistu:

Tekoäly auttaa tunnistamaan monimutkaisempia molekyylirakenteita

Materiaalisuunnittelijoiden täytyy tietää tarkasti materiaalien molekyylirakenne, jotta he voivat kehittää esimerkiksi muovin korvikkeita kasviperäisillä biopolymeereillä. Tekoälystä on nyt saatu apua rakenteen selvittämiseen.
Better Business - Better Society seminar hosted by Hertta Vuorenmaa
Yhteistyö, Tutkimus ja taide Julkaistu:

Teknologia muuttaa työtä, joten työ täytyy ajatella kokonaan uusiksi

Johtajan tulisi tuntea organisaationsa ja työntekijänsä hyvin voidakseen arvioida muutoksen vaikutuksia.
Työpajatyöskentelyä
Tutkimus ja taide Julkaistu:
Building2030_opimienen
Tutkimus ja taide Julkaistu:

Jatkuva oppiminen hioo tahtituotannosta timantin

Jokainen rakennushanke on koulu, joka opettaa onnistumisten ja virheiden kautta. Monet
opit kuitenkin tuntuvat unohtuvan matkalla koulusta toiseen. Tahtituotanto luo
oppimiselle uudet puitteet, joissa koko organisaatio voi kartuttaa aineetonta pääomaa.