Yhteystiedot

Ammattilehti.fi
Vironkatu 9, 00170 Helsinki
www.ammattilehti.fi

Janne Jokela
janne.jokela@ammattilehti.fi
050 412 9030

Taneli Jokela
taneli.jokela@ammattilehti.fi
050 320 8174

Tero Lahtinen
tero.lahtinen@ammattilehti.fi
050 464 7972

Satunnaiset kuvat

Koneoppiminen auttaa ennustamaan myrskyjen aiheuttamia sähkökatkoja

02.08.2019 12:11

lightning3.jpg

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

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.

screenshot_2019-07-02_14.47.04.jpg

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.

18.10.2019 13:11Teollisuus- ja varastorakennuksia korjattiin 1,3 miljardilla eurolla
17.10.2019 12:00KONEelle tilaus Nanningin metrolinja 4:ään Kiinassa
16.10.2019 11:11Suomalaisyrityksistä maailman vesivastuullisimmat - uusi tiekartta näyttää suunnan
15.10.2019 13:11Valmet toimittaa polttoprosessien diagnostiikka- ja monitorointiteknologiaa Outokummun Tornion tehtaalle Suomeen
14.10.2019 14:14Hanhikivi 1 -ydinvoimalan päälaitteiston valmistus alkoi Japanissa
13.10.2019 12:11Teollisuuden uudet tilaukset laskivat elokuussa 17,0 prosenttia vuodentakaisesta
12.10.2019 16:11Tutkijat kehittävät osia avaruusaluksiin 3D-tulostimella
11.10.2019 8:32Kysely: Puolet yrittäjistä joutunut huijauksen kohteeksi
11.10.2019 8:23Kasvanut akkupalojen riski litiumioniakkujen negatiivisena ominaisuutena
10.10.2019 15:33Stauff Agritechnica-messuilla - Pistoliitin maatalouskoneiden hydraulisille jarruputkille

Siirry arkistoon »