Establishing Nationwide Power System Vulnerability Index across US Counties Using Interpretable Machine Learning
作者: Junwei Ma, Bo Li, Olufemi A. Omitaomu, Ali Mostafavi
分类: cs.CY, cs.LG, stat.AP
发布日期: 2024-10-11 (更新: 2024-10-29)
💡 一句话要点
利用可解释机器学习构建美国县级电力系统脆弱性全国指数
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 电力系统脆弱性 停电分析 可解释机器学习 XGBoost SHAP 电力系统韧性 脆弱性指数 数据驱动分析
📋 核心要点
- 美国电力系统面临气候变化、电网老化和能源需求增长带来的停电挑战，但缺乏细粒度时空数据和量化指标。
- 论文提出基于强度、频率和持续时间三个维度的电力系统脆弱性评估框架，并利用XGBoost和SHAP模型计算县级PSVI。
- 研究揭示了美国电力系统脆弱性在过去十年持续增加，并识别出高脆弱性热点地区，为政策制定提供数据支持。
📝 摘要（中文）
由于气候变化、电网老化和能源需求上升，美国停电事故日益频繁、强烈且持续时间更长。然而，由于缺乏细粒度的时空停电数据，我们缺乏数据驱动的证据和分析指标来量化电力系统脆弱性。这一限制阻碍了有效评估和解决美国社区电力中断脆弱性的能力。本文收集了2014年至2023年美国本土3022个县（占总面积的96.15%）约1.79亿条15分钟间隔的停电记录。我们开发了一个基于强度、频率和持续时间三个维度的电力系统脆弱性评估框架，并应用可解释的机器学习模型（XGBoost和SHAP）来计算县级电力系统脆弱性指数（PSVI）。分析表明，过去十年电力系统脆弱性持续增加。我们确定了45个州的318个县为电力系统高脆弱性热点地区，尤其是在西海岸（加利福尼亚州和华盛顿州）、东海岸（佛罗里达州和东北地区）、大湖区（芝加哥-底特律都市区）和墨西哥湾（德克萨斯州）。异质性分析表明，城市县、电网互联县以及太阳能发电量高的州表现出明显更高的脆弱性。我们的结果强调了所提出的PSVI在评估社区电力中断脆弱性方面的重要性。研究结果强调了停电在美国各地造成的广泛而普遍的影响，并为基础设施运营商、政策制定者和应急管理人员制定旨在提高美国电力基础设施弹性的政策和计划提供了关键见解。
🔬 方法详解
问题定义：论文旨在解决美国电力系统脆弱性评估中缺乏细粒度时空数据和量化指标的问题。现有方法难以有效评估和解决美国社区面临的电力中断风险，无法为基础设施运营商和政策制定者提供有效的数据支持。
核心思路：论文的核心思路是构建一个基于数据驱动的电力系统脆弱性指数（PSVI），该指数综合考虑停电的强度、频率和持续时间三个维度，从而全面评估美国各县的电力系统脆弱性。通过使用可解释的机器学习模型，可以识别影响脆弱性的关键因素，并为制定有针对性的政策提供依据。
技术框架：该框架主要包含以下几个阶段：1) 数据收集：收集2014年至2023年美国本土3022个县的停电记录；2) 特征工程：基于停电记录计算强度、频率和持续时间三个维度的特征；3) 模型训练：使用XGBoost模型训练PSVI预测模型；4) 模型解释：使用SHAP值解释模型预测结果，识别影响脆弱性的关键因素；5) 脆弱性评估：基于PSVI对各县的电力系统脆弱性进行评估和排名。
关键创新：论文的关键创新在于：1) 构建了基于多维度特征的电力系统脆弱性指数（PSVI），能够全面评估电力系统脆弱性；2) 应用可解释的机器学习模型（XGBoost和SHAP）进行脆弱性评估，能够识别影响脆弱性的关键因素，并提供可解释的评估结果；3) 基于大规模停电数据进行实证分析，揭示了美国电力系统脆弱性的时空分布特征。
关键设计：论文的关键设计包括：1) 使用XGBoost模型进行PSVI预测，该模型具有较高的预测精度和鲁棒性；2) 使用SHAP值进行模型解释，能够量化每个特征对预测结果的贡献；3) 考虑了停电的强度、频率和持续时间三个维度，能够全面评估电力系统脆弱性。具体的参数设置和损失函数等技术细节在论文中未详细说明，属于未知信息。
📊 实验亮点
研究结果表明，美国电力系统脆弱性在过去十年持续增加，尤其是在西海岸、东海岸、大湖区和墨西哥湾等地区。异质性分析表明，城市县、电网互联县以及太阳能发电量高的州表现出明显更高的脆弱性。该研究识别出45个州的318个县为电力系统高脆弱性热点地区，为制定有针对性的电力安全政策提供了重要依据。
🎯 应用场景
该研究成果可应用于电力基础设施规划、应急响应和政策制定等领域。电力公司可以利用PSVI识别高脆弱性区域，优化电网投资和维护计划。政府部门可以利用PSVI制定更有针对性的电力安全政策，提高社区的电力系统韧性。应急管理部门可以利用PSVI进行灾害预警和资源调配，减少停电带来的损失。
📄 摘要（原文）
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.