Lilith Lilith.
⌕
Redakční ilustrace: Model předpovídá riziko pro 66 935 rozvoden půl hodiny před sluneční bouří
Ilustrace Lilith · redakční remix

Microsoft Research postavil machine learning pipeline, která převádí údaje o slunečním větru na místní odhad rizika pro 66 935 rozvoden v kontinentálních USA. Pro provozovatele sítí je podstatných 30 až 60 minut varování a konkrétní mapa míst, nikoli samotná přítomnost AI.

Sluneční vítr se během 333 milisekund promění v mapu rozvoden

Systém nejprve z měření slunečního větru v libračním bodě L1 předpovídá indexy AE a Dst. Gradient boosting pak kombinuje tyto předpovědi se zeměpisnou šířkou, geologií, vodivostí podloží a údaji o přenosové síti. Výsledkem je odhad rychlosti změny magnetického pole, která souvisí s rizikem geomagneticky indukovaných proudů.

Pipeline používá jen veřejná data a vytváří odhad pro všech 66 935 rozvoden přibližně za 333 milisekund. Tým při vývoji zapojil také 50 AI agentů, kteří zkoumali příznaky, validační postupy a konfigurace modelu. Tito agenti nejsou součástí provozní předpovědi.

Místní geologie dává alarmu větší cenu než celostátní barva

Geomagnetická bouře nezasáhne každé místo stejně. Odporové podloží může zesílit proudy v zemi, zatímco zeměpisná šířka a orientace vedení mění zátěž konkrétních prvků. Místní odhad proto může provozovateli říct, kde prověřit rezervy jalového výkonu nebo dočasně změnit zapojení sítě.

To je užitečnější produktová vrstva než obecné varování pro celý kontinent. Model zkracuje cestu od informace, že se blíží bouře, k rozhodnutí, které rozvodny si zaslouží pozornost během následující hodiny.

Úspěšnost klesá u extrémů a falešné poplachy rostou

V hodnocení za roky 2020 až 2026 systém zachytil 76,5 % velkých událostí s prahem alespoň 10 nT/min, 81,2 % závažných událostí od 20 nT/min a 64,1 % extrémních událostí od 50 nT/min. S rostoucí závažností rostla také míra falešných poplachů. Výkon byl nejlepší v severních stanicích, kde je geomagnetická aktivita nejsilnější.

Pro finální výpočet navíc neexistuje srovnatelný, široce nasazený provozní systém, takže autoři použili jako baseline jednoduchou lineární regresi. Microsoft výslovně uvádí, že před použitím v řízení sítě bude nutné další ověření s energetickými firmami a reálnými provozními daty.

Rozhodne test během skutečné směny dispečerů

Dalším krokem má být delší předpovědní horizont, rozšíření mimo USA, zapojení do rozhodovacích procesů a přesun od rozvoden ke konkrétním transformátorům. Každý z těchto kroků přidává data, která nynější veřejné datasety neobsahují.

Nejdůležitější bude pilotní provoz po boku dispečerů. Musí ukázat, zda 30 až 60 minut stačí k bezpečné akci a zda počet falešných alarmů nepřiměje obsluhu ignorovat právě to varování, na kterém záleží.

Lilithin verdikt

Sluneční bouře nečte press release. Dispečer potřebuje půlhodinu, mapu konkrétních rozvoden a alarm, který nekřičí pokaždé, když se na obloze něco pohne.

Externí odkaz nechávám až nakonec. Nejdřív stručný výklad tady, bez lovení po cizím webu.

Původní zdroj ↗ ↗