
Gewitterstürme kommen im Sommer weltweit häufig vor. Sie können Nachmittage im Park ruinieren, aber Blitze, Regen und starke Winde können auch Stromnetze beschädigen und Stromausfälle verursachen. Es ist leicht zu sagen, wann ein Sturm aufzieht, aber die Stromversorger wollen in der Lage sein vorherzusagen, welche Stürme das Potenzial besitzen, ihrer Infrastruktur zu schaden.
Maschinelles Lernen ist ideal zur Vorhersage, welche Stürme Stromausfälle verursachen könnten. Dabei finden Computer Muster in vorhandenen Daten, was sie in die Lage versetzt, Voraussagen für neue Daten zu treffen. Roope Tervo, ein Softwareentwickler am Finnish Meteorological Institute (FMI) und Doktorand in Professor Alex Jungs Forschungsgruppe an der Aalto University, hat einen Ansatz mit maschinellem Lernen entwickelt, um die Schwere von Stürmen vorherzusagen.
Der erste Schritt, um dem Computer beizubringen, wie die Stürme einzuordnen sind, bestand darin, ihm Daten über Stromausfälle zu geben. Drei finnische Energieversorger (Järvi-Suomen Energia, Loiste Sähkoverkko und Imatra Seudun Sähkönsiirto), die über Stromnetze im sturmanfälligen Zentralfinnland besitzen, stellten Daten über die Anzahl der Stromunterbrechungen in ihren Netzwerken zur Verfügung. Die Stürme wurden in vier Klassen eingeordnet. Ein Klasse-0-Sturm sorgte bei keinen Transformatoren für Stromausfälle. Ein Klasse-1-Sturm unterbrach bis zu zehn Prozent der Transformatoren ab, ein Sturm der Klasse 2 bis zu 50 Prozent, und ein Klasse-3-Sturm mehr als 50 Prozent.
Der nächste Schritt bestand darin, die FMI-Daten der Stürme für den Computer leicht verständlich zu machen. „Wir nutzten einen neuen, objektbasierten Ansatz zur Datenvorbereitung, was diese Arbeit aufregend macht“, sagte Roope. „Stürme bestehen aus vielen Elementen, die anzeigen können, wie schädigend sie sein können: die Größe der Oberfläche, Windgeschwindigkeit, Temperatur und Druck, um ein paar zu nennen. Durch die Gruppierung von 16 unterschiedlichen Merkmalen jedes Sturms konnten wir den Computer trainieren, damit er erkennt, wann Stürme Schäden verursachen werden.“
Die Ergebnisse waren vielversprechend: Der Algorithmus war sehr gut bei der Vorhersage, welche Stürme eine Klasse 0 werden und keine Schäden verursachen würden, und welche Stürme mindestens eine Klasse 3 werden und viel Schaden anrichten würden. Die Forscher geben weitere Daten über Stürme in das Modell ein, um dessen Fähigkeit zu verbessern, zwischen Stürmen der Klassen 1 und 2 zu unterscheiden und die Vorhersagetools für die Energieversorger noch hilfreicher zu machen.
„Unser nächster Schritt ist, das Modell auszuprobieren und zu verbessern, damit es für mehr Wetter als nur Sommerstürme funktioniert“, sagte Roope. „Wie wir alle wissen, kann es in Finnland im Winter starke Stürme geben, aber sie funktionieren anders als Sommerstürme, daher brauchen wir andere Methoden, um ihr Schadenspotenzial vorherzusagen.“
Abhandlung: „Short-Term Prediction of Electricity Outages Caused by Convective Storms“ von R. Tervo, J. Karjalainen und A. Jung, in IEEE Transactions on Geoscience and Remote Sensing.
(THK)
Antworten