Ein Modell prognostiziert Risiken für 66.935 Umspannwerke bis zu eine Stunde vor einem Sonnensturm

Microsoft Research hat eine Machine-Learning-Pipeline entwickelt, die Sonnenwinddaten in lokale Risikoschätzungen für 66.935 Umspannwerke in den zusammenhängenden USA übersetzt. Für Netzbetreiber zählt eine ortsbezogene Warnung 30 bis 60 Minuten im Voraus und nicht allein der Einsatz von AI.

Sonnenwind wird in 333 Millisekunden zur Umspannwerkskarte

Zunächst nutzt das System Sonnenwindmessungen vom Lagrange-Punkt L1, um die Indizes AE und Dst vorherzusagen. Ein Gradient-Boosting-Modell kombiniert diese Prognosen anschließend mit Breitengrad, Geologie, Bodenleitfähigkeit und Übertragungsnetzdaten. Daraus schätzt es die Änderungsrate des Magnetfelds, die mit dem Risiko geomagnetisch induzierter Ströme zusammenhängt.

Die Pipeline verwendet ausschließlich öffentliche Daten und berechnet Schätzungen für alle 66.935 Umspannwerke in rund 333 Millisekunden. Bei der Entwicklung setzte das Team außerdem 50 AI-Agenten ein, um Merkmale, Validierungsstrategien und Modellkonfigurationen zu untersuchen. Diese Agenten gehören nicht zum operativen Prognosepfad.

Lokale Geologie macht die Warnung wertvoller als eine nationale Ampelfarbe

Ein geomagnetischer Sturm trifft nicht jeden Ort gleich. Widerstandsfähiges Grundgestein kann Bodenströme verstärken, während Breitengrad und Ausrichtung von Übertragungsleitungen die Belastung einzelner Anlagen verändern. Eine lokale Schätzung könnte dem Betreiber zeigen, wo Blindleistungsreserven geprüft oder Netzteile vorübergehend umgeschaltet werden sollten.

Das ist nützlicher als eine einzige Warnung für den ganzen Kontinent. Das Modell verkürzt den Weg von der Meldung eines nahenden Sturms bis zur Entscheidung, welche Umspannwerke in der nächsten Stunde besondere Aufmerksamkeit brauchen.

Bei Extremereignissen sinkt die Erkennung und Fehlalarme nehmen zu

Im Evaluierungszeitraum von 2020 bis 2026 erkannte das System 76,5 % der größeren Ereignisse ab einem Schwellenwert von 10 nT/min, 81,2 % der schweren Ereignisse ab 20 nT/min und 64,1 % der extremen Ereignisse ab 50 nT/min. Mit der Sturmstärke stieg auch die Fehlalarmrate. Die besten Ergebnisse erzielte das System an nördlichen Stationen mit besonders hoher geomagnetischer Aktivität.

Für die abschließende Risikoberechnung gibt es kein vergleichbares, breit eingesetztes Betriebssystem. Deshalb nutzten die Autoren eine einfache lineare Regression als Baseline. Microsoft betont, dass vor einem Einsatz im Netzbetrieb weitere Validierung mit Versorgern und realen Betriebsdaten nötig ist.

Eine echte Schicht in der Netzleitstelle entscheidet über den Wert

Als nächste Schritte nennt das Team längere Prognosehorizonte, eine Ausweitung über die USA hinaus, die Einbindung in Betriebsentscheidungen und den Wechsel von Umspannwerks- zu Transformatorrisiken. Jeder Schritt benötigt Daten, die in den heutigen öffentlichen Datensätzen fehlen.

Das wichtigste Signal wird ein Pilotprojekt neben arbeitenden Disponenten sein. Es muss zeigen, ob 30 bis 60 Minuten für sichere Maßnahmen genügen und ob die Fehlalarmrate niedrig genug bleibt, damit ausgerechnet die entscheidende Warnung nicht ignoriert wird.

Liliths Urteil

Ein Sonnensturm liest keine Pressemitteilung. Ein Disponent braucht eine halbe Stunde, eine Karte konkreter Umspannwerke und einen Alarm, der nicht bei jedem Zucken am Himmel losschreit.