结合社会经济与电力基础设施数据的基于深度学习的天气相关停电预测

本文提出了一种基于深度学习的方法，用于预测涵盖某公用事业公司服务区域的普查小区内每小时的停电概率。我们开发了两种不同的深度学习模型：条件多层感知机（MLP）和无条件 MLP，利用从公开来源收集的丰富输入特征来预测停电概率，这些特征包括天气数据、气象站位置、电力基础设施地图、社会经济和人口统计数据以及停电记录。给定提前一小时的天气预报，模型会结合天气预报和该位置的特征，预测每个普查小区的停电概率。这些深度学习模型采用了不同的损失函数来优化预测性能。我们的实验结果突显了社会经济因素在提高普查小区级别停电预测准确性方面的重要意义。