論文の概要: Establishing Nationwide Power System Vulnerability Index across US Counties Using Interpretable Machine Learning

• arxiv url: http://arxiv.org/abs/2410.19754v2
• Date: Tue, 29 Oct 2024 03:20:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 02:59:50.979756
• Title: Establishing Nationwide Power System Vulnerability Index across US Counties Using Interpretable Machine Learning
• Title（参考訳）: 解釈可能な機械学習を用いた米国各地における全国電力系統脆弱性指数の確立
• Authors: Junwei Ma, Bo Li, Olufemi A. Omitaomu, Ali Mostafavi,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 7.883500674930901
• License:
• Abstract: Power outages have become increasingly frequent, intense, and prolonged in the US due to climate change, aging electrical grids, and rising energy demand. However, largely due to the absence of granular spatiotemporal outage data, we lack data-driven evidence and analytics-based metrics to quantify power system vulnerability. This limitation has hindered the ability to effectively evaluate and address vulnerability to power outages in US communities. Here, we collected ~179 million power outage records at 15-minute intervals across 3022 US contiguous counties (96.15% of the area) from 2014 to 2023. We developed a power system vulnerability assessment framework based on three dimensions (intensity, frequency, and duration) and applied interpretable machine learning models (XGBoost and SHAP) to compute Power System Vulnerability Index (PSVI) at the county level. Our analysis reveals a consistent increase in power system vulnerability over the past decade. We identified 318 counties across 45 states as hotspots for high power system vulnerability, particularly in the West Coast (California and Washington), the East Coast (Florida and the Northeast area), the Great Lakes megalopolis (Chicago-Detroit metropolitan areas), and the Gulf of Mexico (Texas). Heterogeneity analysis indicates that urban counties, counties with interconnected grids, and states with high solar generation exhibit significantly higher vulnerability. Our results highlight the significance of the proposed PSVI for evaluating the vulnerability of communities to power outages. The findings underscore the widespread and pervasive impact of power outages across the country and offer crucial insights to support infrastructure operators, policymakers, and emergency managers in formulating policies and programs aimed at enhancing the resilience of the US power infrastructure.
• Abstract（参考訳）: 米国では、気候変動や電力網の老朽化、エネルギー需要の増加などにより、停電が頻発し、激しさを増し、長期化している。 しかし、主に、時空間の詳細なデータがないため、電力システムの脆弱性を定量化するためのデータ駆動の証拠と分析に基づくメトリクスが欠如している。 この制限は、米国のコミュニティの停電に対する脆弱性を効果的に評価し、対処する能力を妨げている。 ここでは、2014年から2023年までの3022郡(地域の96.15%)の15分間隔で、約1億7900万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。 私たちの分析によると、過去10年間で電力システムの脆弱性は一貫して増加しています。 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大都市圏)、メキシコ湾(テキサス)では、45州にまたがる318の郡を高い電力系統の脆弱性のホットスポットとして特定した。 異質性分析は、都市郡、相互に繋がった格子を持つ郡、および高い太陽光発電量を持つ州が著しく高い脆弱性を示すことを示している。 本研究は,停電に対するコミュニティの脆弱性を評価するために提案したPSVIの重要性を強調した。 この調査結果は、全国の停電が広範囲に及ぼした影響を浮き彫りにし、米国の電力インフラの弾力性を高めるための政策とプログラムを策定するインフラ運営者、政策立案者、緊急管理者を支援する上で重要な洞察を提供する。

関連論文リスト

• Multimodal Power Outage Prediction for Rapid Disaster Response and Resource Allocation [42.97753005297686]
  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。
  論文  参考訳（メタデータ） (2024-09-14T21:35:29Z)
• 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)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• Tracking electricity losses and their perceived causes using nighttime light and social media [0.0]
  この研究は、衛星画像、ソーシャルメディア、情報抽出がブラックアウトとその認識された原因をいかに監視できるかを示す。 夜間光データ(2019年3月、ベネズエラのカラカスで)は、ブラックアウト地域を示すために使用される。 Twitterのデータは感情やトピックの傾向を決定するのに使われ、統計分析とトピックモデリングはブラックアウトの原因に関する一般の認識を掘り下げた。
  論文  参考訳（メタデータ） (2023-10-18T21:44:39Z)
• Estimating Geographic Spillover Effects of COVID-19 Policies From Large-Scale Mobility Networks [54.90772000796717]
  郡レベルの政策は地域間の柔軟性を提供するが、地理的な流出がある場合には効果が低下する可能性がある。 我々は、数十億のタイムスタンプを持つ移動ネットワークを用いて、流出量を推定する。 郡レベルの制限は、モビリティを減らすための州全体の制限と同等に有効である。
  論文  参考訳（メタデータ） (2022-12-12T20:16:54Z)
• 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)
• Outing Power Outages: Real-time and Predictive Socio-demographic Analytics for New York City [0.0]
  私たちは、2020年7月以降ニューヨーク市で停電に関するデータを取得し収集するように設計されたツールについて説明する。 電気障害はフロントエンドアプリケーションに表示され、公開されています。 収集した機能停止データを用いて、これらの機能停止とその社会経済的影響を分析する。
  論文  参考訳（メタデータ） (2022-02-22T17:51:00Z)
• Equitable Community Resilience: The Case of Winter Storm Uri in Texas [0.0]
  本研究では,テキサス州のウィンター・ストーム・ウリの余波におけるコミュニティのレジリエンスに関連する株式の側面について検討した。 衛星画像は、ヒューストン市の国勢調査領域に焦点を当てた、より高度な地理的解像度でデータを調べるために使用された。 その結果,非ヒスパニック系白人の郡の割合と世帯収入中央値との間には,機能停止率と統計的に有意な相関が認められた。
  論文  参考訳（メタデータ） (2022-01-17T22:54:07Z)
• The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
  電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。 最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。 また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
  論文  参考訳（メタデータ） (2021-03-07T11:28:54Z)
• 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)

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。