Un chercheur affirme que de meilleures données sur les pannes de courant réduiraient la frustration et aideraient à la reprise des ouragans – ieee spectre

Deux semaines après ouragan Sandy ravagé la côte Est, et encore quelques centaines de milliers de personnes sur les millions initialement touchés sont sans pouvoir. Ceux qui sont dans le noir, ont dit à plusieurs reprises que leur pouvoir serait de retour dans “quelques jours”, “le week-end”, “vendredi”, etc., ont acheté des générateurs d’urgence et des couvertures supplémentaires – il n’y a pas eu beaucoup de raison pour eux d’espérer que les dernières réassurances de leur utilitaire sont vraies.

Pendant ce temps, les gouvernements de la ville et de l’état ont dynamité les services publics pour ne pas récupérer assez rapidement, en particulier, la Long Island Power Authority est accusée d’incapacité à gérer correctement la récupération. Mais étant donné un ouragan comme Sandy, il est difficile de dire ce que signifie «assez vite».


Les services publics et les gouvernements, qui aimeraient savoir comment leurs efforts de récupération ont été efficaces et comment les améliorer, pourraient être aidés par quelque chose d’aussi simple qu’un changement dans le type de données recueillies et traitées à la suite de catastrophes provoquant des pannes généralisées, dit Chuanyi Ji, professeur agrégé à l’École de génie électrique et informatique de Georgia Tech.

Ji et l’ancien étudiant au doctorat Supaporn Erjongmanee ont commencé à étudier l’impact des ouragans sur l’infrastructure de communication en 2005, après l’ouragan Katrina. Elle et ses étudiants ont recueilli des données sur les pannes d’Internet en collaboration avec des collègues d’AT&T (à l’époque, BellSouth), en examinant les schémas d’échec et de reprise pour tenter de déterminer la période d’impact maximal – le moment où les défaillances se produisaient à leur rythme le plus rapide et la reprise la plus lente.

La recherche, que Ji a continué à utiliser les données de l’ouragan Ike de 2008, a conduit à la conclusion que les interruptions de service Internet étaient généralement causées par des pannes de courant. Le groupe a également déterminé que, dans l’ensemble, Internet était relativement fiable et que son travail serait plus utile s’il était appliqué à un réseau plus vulnérable aux intempéries – le Puissance réseau.

Yun Wei, étudiante en Ji et Ph.D, a découvert qu’un des principaux paramètres suivis en cas de catastrophe est simplement le nombre de clients sans électricité. Cela pourrait donner un bon graphique – un chiffre régulièrement décroissant au fur et à mesure des réparations – mais il ne fournit pas suffisamment d’informations ni d’informations, a dit Ji. Il ne dit pas à quel point les pannes sont graves, si une récupération est rapide ou lente, ou si un réseau régional est vulnérable ou résilient.

“Si nous pouvons déterminer quelles variables caractérisent le mieux les processus d’échec et de récupération, nous saurons ce qu’il faut tracer pour les clients et les fournisseurs. Cela nécessite des approches intelligentes et un traitement intelligent des données. Par exemple, nous devons tracer les taux d’échec, pas simplement combien d’utilisateurs sont sans Puissance,”Ji dit. “Si nous savons combien de nouvelles défaillances se produisent toutes les demi-heures, nous disposons d’informations qui peuvent nous indiquer à quel point les pannes sont graves et si le rétablissement est capable de réagir en conséquence.”

Ji et Wei suggèrent également que les services publics mettent ensemble le taux d’échec et la récupération et examinent l’interaction des deux; De cette façon, disent-ils, les services publics voient à quel point les composants échouent, à quelle vitesse ou à quel rythme ils progressent, et quelle est la disparité entre les deux. Panne les chiffres seuls ne vous donnent pas cette information. “

Avec le bon type de données et des méthodes intelligentes en main, les services publics peuvent rassurer les clients que le taux de récupération augmente, peut-être, ou, selon des données historiques, que la reprise reprendra rapidement, ou ralentira, dans une certaine mesure. temps. Cela permettrait aux clients de planifier leurs stratégies d’adaptation meilleur. Les services publics peuvent également comparer les courbes actuelles aux événements historiques, vérifier que la reprise se déroule bien ou, peut-être, tester de nouvelles procédures ou technologies et leur impact sur la défaillance et la récupération. Ils auraient également une image claire de la résilience de leur réseau, par rapport aux autres régions touchées.

“ Les données réelles sont pertinentes pour cette recherche mais souvent indisponibles ”, a déclaré Ji. “Un fournisseur de services publics nous a fourni des données d’un ouragan dans le passé. Cela nous a grandement aidés dans cette recherche. »Mais elle se démène pour obtenir Les données des services publics touchés par ouragan Sandy incorporer dans son modèle. “Avec leurs données et nos algorithmes”, dit-elle, “nous pouvons contribuer à une grille plus intelligente et plus résiliente.”

Fig.: Selon le modèle de Chuanyi Ji et les données disponibles, la période typique de récupération rapide d’un réseau électrique affecté par un ouragan est de 12,65 heures; après cela, la récupération est lente et peut prendre des jours. Dans ce graphique, la courbe rouge représente un taux de récupération typique; les autres courbes représentent des projections trop optimistes ou pessimistes.