Assessing Electricity Service Unfairness with Transfer Counterfactual Learning
用迁移反事实学习评估电力服务不公平AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确通过平均因果效应、反事实学习及异质性分析评估服务不公平。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用迁移反事实学习评估电力服务不公平
- 研究问题
- 面对混杂、反事实效应异质性和子群数据不足，如何评估人口属性对停电时长的因果影响并衡量电力服务不公平？
- 方法与思路
- 作者以受保护属性的平均因果效应衡量反事实不公平，结合子群分析和迁移学习，并应用于大规模客户层面的停电数据。
- 材料陈述的贡献
- 摘要称低收入和老年人口较多地区在日常及灾后运行中停电更久，严重情境下差异加剧，并提出缓解子群数据稀缺的方法。
- 阅读关注点
- 应核对人口属性对应的反事实干预、混杂控制与跨子群迁移条件，以及地区特征和客户结局之间的层级匹配及不确定性。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核验。摘要未说明识别假设、迁移条件或效应数值，其关于歧视的解释仍需全文证据支持。
原文摘要
Energy justice is a growing area of interest in interdisciplinary energy research. However, identifying systematic biases in the energy sector remains challenging due to confounding variables, intricate heterogeneity in counterfactual effects, and limited data availability. First, this paper demonstrates how one can evaluate counterfactual unfairness in a power system by analyzing the average causal effect of a specific protected attribute. Subsequently, we use subgroup analysis to handle model heterogeneity and introduce a novel method for estimating counterfactual unfairness based on transfer learning, which helps to alleviate the data scarcity in each subgroup. In our numerical analysis, we apply our method to a unique large-scale customer-level power outage data set and investigate the counterfactual effect of demographic factors, such as income and age of the population, on power outage durations. Our results indicate that low-income and elderly-populated areas consistently experience longer power outages under both daily and post-disaster operations, and such discrimination is exacerbated under severe conditions. These findings suggest a widespread, systematic issue of injustice in the power service systems and emphasize the necessity for focused interventions in disadvantaged communities.