基于配电馈线数据的机器学习识别医疗设备以辅助停电响应
机器学习
2022-11-16 v1 信号处理
摘要
过去二十年间，由气候变化导致的极端天气事件引发的停电事故在美国翻了一番。停电对依赖家用医疗设备的逾440万个体构成严重健康风险。关于特定区域内此类个体数量的数据十分有限。本研究提出一种负荷分解模型，用于预测一条配电馈线后端所连接的医疗设备数量。该数据可用于辅助规划与响应。所提出的方案可作为气候变化适应的一种措施。
引用
@article{arxiv.2211.08310,
title = {Identification of medical devices using machine learning on distribution feeder data for informing power outage response},
author = {Paraskevi Kourtza and Maitreyee Marathe and Anuj Shetty and Diego Kiedanski},
journal= {arXiv preprint arXiv:2211.08310},
year = {2022}
}
备注
To appear in the Tackling Climate Change with Machine Learning workshop at NeurIPS 2022 (Proposals Track) 6 pages, 3 figures