[논문 리뷰] How important are socioeconomic factors for hurricane performance of power systems? An analysis of disparities through machine learning

Alexys Herleym Rodríguez Avellaneda, Abdollah Shafieezadeh외 1명|arXiv (Cornell University)|2022. 08. 18.

Tropical and Extratropical Cyclones Research인용 수 5

한 줄 요약

이 연구는 플로리다주 허리케인으로 인한 정전 성능을 분석하기 위해 랜덤 포레스트 기계학습과 평균 정확도 감소(MDA)를 사용한다. 분석 결과, 인구통계학적 요인—특히 인종/민족, 언어 능력, 실업률—이 모델 중요도의 48%를 차지하며, 전력망 복원력에서 심각한 사회적 격차가 있음을 시사한다.

ABSTRACT

This paper investigates whether socioeconomic factors are important for the hurricane performance of the electric power system in Florida. The investigation is performed using the Random Forest classifier with Mean Decrease of Accuracy (MDA) for measuring the importance of a set of factors that include hazard intensity, time to recovery from maximum impact, and socioeconomic characteristics of the affected population. The data set (at county scale) for this study includes socioeconomic variables from the 5-year American Community Survey (ACS), as well as wind velocities, and outage data of five hurricanes including Alberto and Michael in 2018, Dorian in 2019, and Eta and Isaias in 2020. The study shows that socioeconomic variables are considerably important for the system performance model. This indicates that social disparities may exist in the occurrence of power outages, which directly impact the resilience of communities and thus require immediate attention.

연구 동기 및 목표

• 플로리다주에서 허리케인 발생 시 전력 시스템 성능에 사회경제적 요인이 영향을 미치는지 조사하기 위해.
• 정전 결과 예측에 있어 위험 강도 및 복구 시간과 비교해 사회경제적 변수의 상대적 중요도를 정량화하기 위해.
• 데이터 기반 기계학습 접근법을 통해 전력 시스템 복원력의 사회적 격차를 해결하기 위해.
• 다수의 허리케인에서 공개된 데이터를 활용해 모델의 일반화 능력과 투명성을 확보하기 위해.
• 불균형 데이터 조건과 다양한 훈련/테스트 분할 조건에서 모델의 안정성과 강건성을 평가하기 위해.

제안 방법

• 카운티 수준의 입력 변수를 기반으로 이진 시스템 성능(손상됨/손상되지 않음)을 예측하기 위해 랜덤 포레스트 분류기를 사용하였다.
• 변수 중요도를 측정하기 위해 평균 정확도 감소(MDA)를 사용하여 기존의 순열 중요도 방법에 기인한 편향을 줄였다.
• 2018~2020년 동안 5개의 허리케인(알베르토, 마이클, 도리언, 에타, 아이사이아스)의 데이터를 통합하였으며, 카운티 수준의 정전 기준(2% 고객 정전)을 적용하였다.
• 5년치 미국 인구조사(ACS)에서 확보한 사회경제적 변수, ERA5 재분석 자료에서 확보한 풍속, 복구 시간 지표를 통합하였다.
• 모델 안정성과 불균형 데이터 조건 하에서의 강건성을 평가하기 위해 1000회의 랜덤 훈련-테스트 분할을 수행하였다.
• 정확도, AUC, F1-score를 사용해 모델 성능을 평가하였으며, 특히 소수의 '손상됨' 클래스에 대한 주의를 기울였다.

Figure 1: System Performance at outages threshold of 2%. Damaged (1) and Undamaged (0) system at Maximum Power Outages (%)

실험 결과

연구 질문

• RQ1 플로리다주에서 허리케인 발생 시 사회경제적 요인이 전력 시스템 손상 가능성에 얼마나 큰 영향을 미치는가?
• RQ2 정전 성능 예측에서 사회경제적 변수가 풍속 위험 강도 및 복구 시간과 비교해 얼마나 중요한가?
• RQ3 다양한 랜덤 데이터 분할과 모델 반복에서 변수 중요도 순위가 얼마나 안정적인가?
• RQ4 특정 사회경제적 지표(예: 인종, 언어 능력, 실업률) 중 정전 결과를 가장 잘 예측하는 것은 무엇인가?
• RQ5 불균형 데이터가 모델 성능과 신뢰성에 미치는 영향은 무엇이며, 특히 '손상됨' 상태를 탐지하는 데에 어떤 영향을 미치는가?

주요 결과

• 사회경제적 변수들이 모델의 예측 중요도의 총 48%를 차지하며, 정전 성능에 매우 큰 영향을 미친다.
• 상위 사회경제적 예측 변수로는 '기타' 인구 비율(6.31% MDA), 영어 사용 능력 제한(4.99%), 라티노계 인구 비율(3.35%), 실업률(2.91%), 인도계 아메리칸 인구 비율(2.77%)이 있었다.
• 바람 위험 변수들이 중요도의 49%를 차지하였으며, 과거 최대 풍속이 유일하게 가장 중요한 요소로 나타났다(39.81% MDA).
• 모델의 평균 정확도는 91%였지만, '손상됨' 클래스의 F1-score는 단지 31%에 그쳐 고위험 정전을 잘 탐지하지 못함을 시사한다.
• 1000회의 반복 동안 모델 성능이 크게 변동하여 AUC는 최저 0.594에서 최고 0.995까지 변동하였으며, 이는 데이터 불균형으로 인한 불안정성을 보여준다.
• 전반적인 정확도는 높았지만, '손상됨' 클래스의 재현율(recall)이 낮아 심각한 정전을 과소평가하는 경향이 있었으며, 이는 비상 대응 계획 수립에 위험을 초래할 수 있다.

Figure 2: ERA5 maximum wind gust Vs. NOOA-NHC best track. Alberto Hurricane. The best track is represented by the grey line with some intensity measures (points) along it, ranging from 18.92 (cyan) to 34.68 (dark blue) m/s.