用于预测大规模自然灾害引发停电持续时间的图注意力网络
机器学习
2025-11-17 v1 机器学习
摘要
如龙卷风、野火和寒潮等自然灾害已在美国引发大规模停电，造成巨大的经济和社会影响。准确预测电力停电恢复与否是电网韧性的关键。近期机器学习技术为从地理和天气数据估计停电持续时间提供了可行框架。然而，在实际场景中，数据存在三个主要挑战：空间相关性、空间异质性以及数据样本有限。我们提出一种新方法，通过图注意力网络（GAT）估计严重天气引发的停电持续时间。该网络采用无监督预训练后的半监督学习结构。我们使用来自四场重大飓风的现场数据，覆盖美国东南部八个州的 501 个县。该模型表现优异（准确率 >93%），在整体性能和类别准确率方面均显著优于 XGBoost、随机森林、GCN 和简单 GAT 2%-15%。
引用
@article{arxiv.2511.10898,
title = {Graph Attention Network for Predicting Duration of Large-Scale Power Outages Induced by Natural Disasters},
author = {Chenghao Duan and Chuanyi Ji},
journal= {arXiv preprint arXiv:2511.10898},
year = {2025}
}