AI jelezheti előre, mely alállomásokat veszélyezteti a napvihar
A Microsoft Research olyan gépi tanulási rendszert fejlesztett, amely az Egyesült Államok kontinentális részének 66 935 alállomásán becsüli a naptevékenységből eredő hálózati kockázatot. A rendszer egyes esetekben 30-60 perces előrejelzést adhat arról, hol lehet jelentősebb mágneses térváltozásra számítani.
- A rendszer 66 935 amerikai alállomásnál becsüli a napviharok kockázatát.
- Az előrejelzés 30-60 perccel a lehetséges hatás előtt készülhet el.
- A nagy események észlelési aránya 76,5 százalék, a súlyos eseményeké 81,2 százalék volt.
- A teljes becslés a mért következtetési idő alatt körülbelül 333 milliszekundumot vett igénybe.
- Üzemeltetési használat előtt további közműves és valós üzemi adatokon végzett ellenőrzés szükséges.
A napviharok az elektromos hálózatokat is veszélyeztethetik
A szélsőséges űridőjárási események olyan áramokat indukálhatnak az átviteli hálózatokban, amelyek berendezéseket károsíthatnak és növelhetik az üzemeltetési kockázatot. A Microsoft Research szerint a kihívást az jelenti, hogy nem elég tudni egy közelgő geomágneses viharról. Azt is meg kell becsülni, mikor és hol lehetnek a legsúlyosabb hatások.
A kutatás hátterét a 2024. májusi geomágneses vihar is megmutatta. Észak-Amerika több közműve készült a lehetséges következményekre, miközben a sarki fény a megszokottnál jóval délebbre is láthatóvá vált. A vihar ronthatta a GPS pontosságát és a műholdas működést, ami Észak-Amerika és Európa mezőgazdasági műveleteire is hatással lehetett.
Három lépésben készül a helyi kockázati becslés
A Rohan Kannan Microsoft Research gyakornoki időszaka alatt kidolgozott rendszer a Nap és a Föld közötti összekapcsolt folyamatokat egyetlen előrejelzési láncban kezeli. Első lépésben az L1 Lagrange-pontból származó napszélmérések alapján előrejelzi az Auroral Electrojet, vagyis AE, valamint a Disturbance Storm Time, vagyis Dst indexet. Emellett minden alállomáshoz összegyűjti a földrajzi és geológiai jellemzőket.
Második lépésben egy gradiensfokozó modell ezekből az adatokból megbecsüli a dB/dt értéket, vagyis a mágneses tér változásának sebességét. Ez kapcsolódik a geomágnesesen indukált áramok, röviden GIC-ek, kockázatához. A helyi szélességi fok, a földtani vezetőképesség, a távvezetékek iránya és más hálózati jellemzők mind befolyásolhatják az egyes eszközök kitettségét.
A harmadik lépésben a becsléseket helyspecifikus kockázati értékekké alakítják, majd egy kontinentális kockázati képpé összesítik. A rendszerben 50 AI-ügynök segített a jellemzők, az ellenőrzési stratégiák és a modellbeállítások vizsgálatában. A fejlesztés kizárólag nyilvános adatforrásokat használt, köztük a NASA OMNI és a NASA által összesített Kyoto World Data Center adatait, az INTERMAGNET és az Egyesült Államok Geológiai Szolgálatának magnetométeres megfigyeléseit, valamint a GridSFM-ből származó hálózati adatokat.
A teszteken a nagy események közel 80 százalékát észlelte
A 2020 és 2026 közötti értékelési időszakban az AE-előrejelző a megfigyelt aktivitás csaknem teljes tartományára adott becsléseket, és felülmúlt több empirikus, illetve kizárólag napszél-adatokra épülő módszert. Az AE-modell hibája 410,2 nT RMSE volt. A Dst-előrejelző a nagy geomágneses viharok erősségéről adott további jelzést, és a legaktívabb időszakok egyedi óráinak 62,2 százalékában jobban teljesített a Burton-egyenletnél. Az AE-előrejelzéssel együtt a súlyos események észlelési arányát 1,2 százalékponttal javította.
A GIC-kockázati szakaszt egyszerű lineáris regresszióval vetették össze, mivel a számításnak nincs széles körben alkalmazott, közvetlen iparági összehasonlítási alapja. A rendszer a legalább 10 nT/perc értékű nagy események 76,5 százalékát, a legalább 20 nT/perc értékű súlyos események 81,2 százalékát, az 50 nT/perc vagy annál nagyobb szélsőséges események 64,1 százalékát észlelte. A téves riasztások aránya a vihar súlyosságával együtt nőtt, a teljesítmény pedig a magasabb szélességi fokokon fekvő állomásoknál volt a legjobb.
Gyors becslés, de még további ellenőrzésre van szükség
A Microsoft Research szerint a rendszer a 66 935 alállomás mindegyikére nagyjából 333 milliszekundum alatt készített becslést a mért következtetési idő alatt. A bemutatott térkép egy reprezentatív nagy viharra épülő demonstráció, nem élő üzemeltetési esemény rögzítése. A célja annak szemléltetése, hogyan lehet egy általános űridőjárási riasztásból az érintett helyszínekre vonatkozó részletesebb képet készíteni.
A helyspecifikus információ segíthet a közműveknek a mérnöki felülvizsgálat rangsorolásában és célzott védelmi intézkedések mérlegelésében, például a meddőteljesítmény-tartalékok módosításában vagy a hálózat egyes részeinek ideiglenes átrendezésében. A rendszer hálózati üzemeltetésbe történő bevezetése előtt azonban a Microsoft szerint további, közművekkel és üzemeltetési adatokkal végzett ellenőrzésre lenne szükség.
A következő fejlesztési irányok között a hosszabb előrejelzési időablak, további régiók kezelése, a hálózati döntéstámogatási folyamatokhoz való illesztés és a transzformátorszintű kockázatbecslés szerepel. A jelenlegi rendszer 30-60 perces időtávon ad becslést, és alállomási szinten értékeli a kockázatot.
Microsoft Research: Forecasting space weather risks on power grids
