研究人員使用大數據開發模型來預測和預防停電

雷暴期間的高速風可能導致電網周圍的樹木撞到配電系統的饋線中，從而導致該地區的電力中斷。當前，大多數公用事業公司通過安排定期的樹木修剪操作來減少此類事故。這項工作成本高昂，并且是基于輪換方法到達不同的服務區域，在修剪所有樹木之前可能要花費數月甚至數年的時間。

德州農工大學的研究人員已經開發出一種智能模型，該模型可以預測對公用事業資產的潛在脆弱性，并提供可能何時何地發生中斷的地圖。預測功能允許首先修剪最關鍵區域中風險最高的樹木。

攝政教授兼電氣與計算機工程學系Eugene E. Webb教授的持有人Mladen Kezunovic博士與研究生Tatjana Dokic和Chen-Phen Chen共同開發了可預測天氣危害的模型框架電網的脆弱性以及潛在損害的經濟影響。

通過分析潛在漏洞的影響以及天氣對電力系統中斷的影響，研究人員可以預測何時何地會發生中斷。預測最佳的樹木修剪計劃將使與植被有關的中斷的風險降至最低，只是其中一種應用。

凱祖諾維奇說：“公用事業電網和相關資產大多位于戶外，并暴露于各種天氣災害中。應對老化的基礎設施資產增加了公用事業公司面臨的另一層復雜性。” “任何與電力系統相關的環境數據都可以輸入到此預測框架中。”

諸如公用事業公司的運行記錄，天氣預報，電力系統周圍的海拔和植被之類的數據都可以用于定制模型的應用。