Model prognozuje ryzyko dla 66 935 stacji nawet godzinę przed uderzeniem burzy słonecznej

Microsoft Research zbudował pipeline machine learning, który przekształca dane o wietrze słonecznym w lokalne prognozy ryzyka dla 66 935 stacji elektroenergetycznych w kontynentalnej części USA. Dla operatora sieci liczy się ostrzeżenie z wyprzedzeniem od 30 do 60 minut i mapa konkretnych miejsc, a nie sama obecność AI.

Wiatr słoneczny zamienia się w mapę stacji w 333 milisekundy

System najpierw wykorzystuje pomiary wiatru słonecznego z punktu libracyjnego L1 do prognozowania indeksów AE i Dst. Model gradient boosting łączy te prognozy z szerokością geograficzną, geologią, przewodnością gruntu i danymi o sieci przesyłowej. W ten sposób szacuje tempo zmian pola magnetycznego związane z ryzykiem prądów indukowanych geomagnetycznie.

Pipeline korzysta wyłącznie z publicznych danych i przygotowuje prognozy dla wszystkich 66 935 stacji w około 333 milisekundy. Podczas prac zespół użył również 50 agentów AI do badania cech, metod walidacji i konfiguracji modelu. Agenci nie uczestniczą w operacyjnym procesie prognozowania.

Lokalna geologia daje więcej niż jeden alarm dla całego kraju

Burza geomagnetyczna nie oddziałuje wszędzie tak samo. Skały o wysokiej rezystywności mogą wzmacniać prądy w gruncie, a szerokość geograficzna i orientacja linii przesyłowych zmieniają ekspozycję poszczególnych elementów. Lokalna prognoza może wskazać operatorowi, gdzie sprawdzić rezerwy mocy biernej lub czasowo zmienić konfigurację sieci.

To użyteczniejsza warstwa niż ogólne ostrzeżenie dla całego kontynentu. Model skraca drogę od informacji o nadchodzącej burzy do decyzji, które stacje wymagają uwagi w ciągu najbliższej godziny.

Wykrywalność ekstremów spada, a liczba fałszywych alarmów rośnie

W ocenie obejmującej lata od 2020 do 2026 system wykrył 76,5% dużych zdarzeń przy progu co najmniej 10 nT/min, 81,2% poważnych zdarzeń od 20 nT/min i 64,1% ekstremalnych zdarzeń od 50 nT/min. Wraz z nasileniem burzy rosła także liczba fałszywych alarmów. Najlepsze wyniki uzyskano na północnych stacjach, gdzie aktywność geomagnetyczna jest najsilniejsza.

Dla końcowego obliczenia ryzyka nie istnieje porównywalny, szeroko wdrożony system operacyjny, dlatego autorzy użyli prostej regresji liniowej jako baseline. Microsoft wyraźnie zaznacza, że przed wykorzystaniem w pracy sieci potrzebna jest dalsza walidacja z operatorami i rzeczywistymi danymi operacyjnymi.

O wartości zdecyduje test podczas prawdziwego dyżuru

Kolejne kroki mają objąć dłuższy horyzont prognozy, ekspansję poza USA, integrację z decyzjami operacyjnymi oraz przejście od poziomu stacji do konkretnych transformatorów. Każdy z nich wymaga danych, których nie zawierają obecne publiczne zbiory.

Najważniejszym sprawdzianem będzie pilotaż u boku dyspozytorów. Musi wykazać, czy od 30 do 60 minut wystarcza na bezpieczną reakcję i czy liczba fałszywych alarmów nie skłoni obsługi do zignorowania właśnie tego ostrzeżenia, które okaże się istotne.

Werdykt Lilith

Burza słoneczna nie czyta komunikatów prasowych. Dyspozytor potrzebuje pół godziny, mapy konkretnych stacji i alarmu, który nie krzyczy przy każdym drgnięciu nieba.