空间感知GNN结合对比学习改善极端天气电力中断预测

UConn和Eversource能源中心的研究人员开发了空间感知混合图神经网络（SA-HGNN），结合对比学习预测极端天气事件造成的电力中断。

问题

极端天气（飓风、暴风雪、严重风暴）造成大范围电力中断，随着气候变化而恶化。

创新

以前的模型忽略了极端天气的空间效应。SA-HGNN通过以下方式解决：

1. 编码空间关系 — 静态特征（土地覆盖、基础设施）和动态事件特征（风速、降水）
2. 混合图构建 — 结合静态和事件特定动态
3. 对比学习 — 改善特征表示
4. 预防性预测 — 在天气事件发生之前

实际部署

与Eversource能源中心合作开发，系统为实际公用事业运营设计。

为什么重要

• 气候适应 — 极端天气增加，更好预测变得关键
• 电网韧性 — 预防性人员部署和资源分配
• 经济影响 — 更快恢复减少商业损失
• 公共安全 — 脆弱人群（医院、养老院）可被优先考虑