Las tormentas eléctricas son comunes en todo el mundo en verano. Además de estropear las tardes en el parque, relámpago, la lluvia y los vientos fuertes pueden dañar las redes eléctricas y provocar cortes de electricidad. Es fácil saber cuándo se avecina una tormenta pero las compañías eléctricas quieren poder predecir cuáles tienen el potencial de dañar su infraestructura.

El aprendizaje automático es ideal para predecir qué tormentas pueden causar apagones. Roope Tervo, arquitecto de software en el Instituto Meteorológico de Finlandia (FMI) y Ph.D. investigador de la Universidad de Aalto en el grupo de investigación del profesor Alex Jung, ha desarrollado un enfoque de aprendizaje automático para predecir la gravedad de las tormentas.

El primer paso para enseñarle a la computadora cómo categorizar las tormentas fue proporcionarles datos de cortes de energía. Tres empresas energéticas finlandesas, Järvi-Suomen Energia, Loiste Sähkoverkko, e Imatra Seudun Sähkönsiirto, que tienen redes eléctricas en el centro de Finlandia, propenso a tormentas, proporcionó datos sobre el número de interrupciones de energía en sus redes. Las tormentas se clasificaron en cuatro clases. Una tormenta de clase 0 no dejó sin electricidad a ningún transformador de potencia. Un corte de tormenta de clase 1 hasta el 10 por ciento de los transformadores, una clase 2 hasta el 50 por ciento, y una tormenta de clase 3 cortó la energía a más del 50 por ciento de los transformadores.

El siguiente paso fue tomar los datos de las tormentas que tenía FMI, y facilitar la comprensión de la computadora. "Usamos un nuevo enfoque basado en objetos para preparar los datos, lo que hace que este trabajo sea emocionante, "dijo Roope." Las tormentas se componen de muchos elementos que pueden indicar cuán dañinas pueden ser:área de superficie, velocidad del viento, temperatura y presión, para nombrar unos pocos. Al agrupar 16 características diferentes de cada tormenta, pudimos entrenar a la computadora para que reconozca cuándo las tormentas causarán daños ".

Los resultados fueron prometedores:el algoritmo fue muy bueno para predecir qué tormentas serían de clase 0 y no causarían daños, y qué tormentas serían al menos de clase 3 y causarían muchos daños. Los investigadores están agregando más datos para las tormentas en el modelo para ayudar a mejorar la capacidad de diferenciar las tormentas de clase 1 y 2 entre sí. para hacer que las herramientas de predicción sean aún más útiles para las empresas energéticas.

"Nuestro siguiente paso es intentar perfeccionar el modelo para que funcione para más condiciones climáticas que solo tormentas de verano, "dijo Roope, "como todos sabemos, puede haber grandes tormentas en invierno en Finlandia, pero funcionan de manera diferente a las tormentas de verano, por lo que necesitamos diferentes métodos para predecir su daño potencial ".