論文の概要: Multimodal Power Outage Prediction for Rapid Disaster Response and Resource Allocation
- arxiv url: http://arxiv.org/abs/2410.00017v1
- Date: Sat, 14 Sep 2024 21:35:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-05 15:38:58.036074
- Title: Multimodal Power Outage Prediction for Rapid Disaster Response and Resource Allocation
- Title(参考訳): 急激な災害対応と資源配分のためのマルチモーダル停電予測
- Authors: Alejandro Aparcedo, Christian Lopez, Abhinav Kotta, Mengjie Li,
- Abstract要約: 最も影響を受けやすい 過小評価のコミュニティが インフラの整備を受けています
本稿では,夜間照明(LNT)の重症度,停電,大ハリケーン前後の位置を予測するための新しい視覚的時間的枠組みを提案する。
我々の研究は、将来の太陽光発電(PV)の展開など、エネルギーインフラの強化を緊急に必要とする場合、未表示領域に認識をもたらします。
- 参考スコア(独自算出の注目度): 42.97753005297686
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extreme weather events are increasingly common due to climate change, posing significant risks. To mitigate further damage, a shift towards renewable energy is imperative. Unfortunately, underrepresented communities that are most affected often receive infrastructure improvements last. We propose a novel visual spatiotemporal framework for predicting nighttime lights (NTL), power outage severity and location before and after major hurricanes. Central to our solution is the Visual-Spatiotemporal Graph Neural Network (VST-GNN), to learn spatial and temporal coherence from images. Our work brings awareness to underrepresented areas in urgent need of enhanced energy infrastructure, such as future photovoltaic (PV) deployment. By identifying the severity and localization of power outages, our initiative aims to raise awareness and prompt action from policymakers and community stakeholders. Ultimately, this effort seeks to empower regions with vulnerable energy infrastructure, enhancing resilience and reliability for at-risk communities.
- Abstract(参考訳): 気候変動のため、極度の気象イベントはますます一般的になり、重大なリスクが生じる。
さらなるダメージを軽減するためには、再生可能エネルギーへのシフトが不可欠である。
残念なことに、最も影響の少ないコミュニティは、最後にインフラの改善を受けることが多い。
本研究では,夜間照明(NTL),停電の重大度,および主要ハリケーン前後の位置を予測するための新しい視覚時空間フレームワークを提案する。
我々のソリューションの中心は、画像から空間的および時間的コヒーレンスを学習する視覚時空間グラフニューラルネットワーク(VST-GNN)である。
我々の研究は、将来の太陽光発電(PV)の展開など、エネルギーインフラの強化を緊急に必要とする場合、未表示領域に認識をもたらします。
停電の深刻度と地域化を特定することで、政策立案者やコミュニティの利害関係者からの意識を高め、行動を促すことを目指しています。
最終的にこの取り組みは、脆弱なエネルギーインフラを持つ地域を活性化し、リスクの高いコミュニティのレジリエンスと信頼性を高めることを目指している。
関連論文リスト
- Establishing Nationwide Power System Vulnerability Index across US Counties Using Interpretable Machine Learning [7.883500674930901]
2014年から2023年までの3022郡の15分間隔で179万の停電記録を収集しました。
筆者らは,3次元(強度,周波数,持続時間)に基づく電力系統脆弱性評価フレームワークを開発し,分析可能な機械学習モデル(XGBoostとSHAP)を用いて,郡レベルでの電力系統脆弱性指数(PSVI)を算出した。
我々は45州にまたがる318の郡を、特に西海岸(カリフォルニアとワシントン)、東海岸(フロリダと北東部)、五大湖のメガロポリス(シカゴとデトロイトの大都市圏)、および高電力システムの脆弱性のホットスポットとして特定した。
論文 参考訳(メタデータ) (2024-10-11T06:37:05Z) - Urban Computing for Climate and Environmental Justice: Early Perspectives From Two Research Initiatives [2.8980151855313387]
極度の気象現象は、より頻繁で重大になり、不均等に低所得層や低所得層に影響を及ぼしている。
本稿では,米国シカゴとブラジルのニテロイに2つの多学際プロジェクトについて紹介する。
都市環境における気候関連リスクの理解と緩和を容易にする視覚分析ツールに必要な要件と既存のギャップについて論じる。
論文 参考訳(メタデータ) (2024-10-06T00:32:03Z) - SafePowerGraph: Safety-aware Evaluation of Graph Neural Networks for Transmission Power Grids [55.35059657148395]
我々は,電力システム(PS)におけるグラフニューラルネットワーク(GNN)のための,最初のシミュレータに依存しない,安全指向のフレームワークであるSafePowerGraphを紹介する。
SafePowerGraphは複数のPFシミュレータとOPFシミュレータを統合し、エネルギー価格の変動や電力線停止など、さまざまなシナリオでGNNのパフォーマンスを評価する。
論文 参考訳(メタデータ) (2024-07-17T09:01:38Z) - Correlating Power Outage Spread with Infrastructure Interdependencies During Hurricanes [5.2878398959711985]
本研究では, 臨界インフラのネットワークと停電伝播の関係を解析し, ハリケーン時の停電の広がりについて検討した。
分析の結果,いくつかのステップでアクセス可能な重要なインフラストラクチャコンポーネントの量との間には,一貫した正の相関関係が明らかとなった。
この知見は、重要なインフラ要素間の相互接続性を理解することが、極端な気象事象によって間接的に影響を受ける領域を特定する上で重要であることを示唆している。
論文 参考訳(メタデータ) (2024-07-13T18:05:07Z) - Typhoon Intensity Prediction with Vision Transformer [51.84456610977905]
台風強度を正確に予測するために「台風強度変換器(Tint)」を導入する。
Tintは、層ごとにグローバルな受容野を持つ自己認識機構を使用する。
公開されている台風ベンチマークの実験は、Tintの有効性を検証する。
論文 参考訳(メタデータ) (2023-11-28T03:11:33Z) - Long-term Wind Power Forecasting with Hierarchical Spatial-Temporal
Transformer [112.12271800369741]
風力発電は、再生可能、汚染のないその他の利点により、世界中の注目を集めている。
正確な風力発電予測(WPF)は、電力系統の運用における電力変動を効果的に低減することができる。
既存の手法は主に短期的な予測のために設計されており、効果的な時空間的特徴増強が欠如している。
論文 参考訳(メタデータ) (2023-05-30T04:03:15Z) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳(メタデータ) (2022-11-29T01:18:58Z) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳(メタデータ) (2020-10-16T02:15:34Z) - Data-driven Operation of the Resilient Electric Grid: A Case of COVID-19 [0.20999222360659608]
パンデミック・新型コロナウイルス(COVID-19)は、労働力の混乱、サプライチェーンの中断、サイバーセキュリティの脅威の増加によるエネルギー信頼性のリスクを高めている。
パンデミックは、自然災害、前例のない停電、老朽化した電力網、分散世代の増加、サイバー攻撃など、他の極端な出来事の存在下で、グリッド運用にかなりの不確実性をもたらす。
論文 参考訳(メタデータ) (2020-10-05T02:14:21Z) - Improving Community Resiliency and Emergency Response With Artificial
Intelligence [0.05541644538483946]
我々は、ステークホルダーが包括的で関連性があり、信頼できる情報にタイムリーにアクセスできるようにする、多段階の緊急対応ツールを目指しています。
本ツールは, 浸水リスク位置, 道路ネットワーク強度, 浸水マップ, 浸水地や被害インフラを推定するコンピュータビジョンセマンティックセマンティックセマンティックセグメンテーションなど, オープンソースの地理空間データの複数の層を符号化して構成する。
これらのデータレイヤを組み合わせて、緊急時の避難経路の検索や、最初に影響を受けたエリアで最初の応答者のために利用可能な宿泊場所のリストを提供するなど、機械学習アルゴリズムの入力データとして利用する。
論文 参考訳(メタデータ) (2020-05-28T18:05:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。