30 сентября 2026 г.
Microsoft Research представила ИИ-систему для прогноза рисков космической погоды для энергосетей
Система Microsoft Research оценивает риск геомагнитных воздействий для 66 935 подстанций США за 30-60 минут до возможного удара бури.
Microsoft Research представила систему машинного обучения, которая оценивает риск воздействия сильной космической погоды на энергосети за 30-60 минут до возможного события. Модель рассчитана на 66 935 подстанций в континентальной части США и учитывает особенности каждого объекта, а не только общий уровень геомагнитной активности.
Космические бури могут вызывать токи в линиях электропередачи, повышать нагрузку на оборудование и ухудшать точность GPS. На силу воздействия влияют геологические условия, широта, направление линий и характеристики конкретной инфраструктуры. Поэтому одного общего предупреждения о приближении бури недостаточно для оценки риска на отдельных участках сети.
Как устроена модель
Система объединяет наблюдения за солнечным ветром, прогнозы индексов AE и Dst, данные о геологической проводимости и сведения об энергосетях. Затем градиентный бустинг оценивает скорость изменения магнитного поля, связанную с риском геомагнитно индуцированных токов.
| Показатель | Результат |
|---|---|
| Объекты прогнозирования | 66 935 подстанций |
| Горизонт прогноза | 30-60 минут |
| Обнаружение крупных событий | 76,5% |
| Обнаружение тяжёлых событий | 81,2% |
| Обнаружение экстремальных событий | 64,1% |
В оценке за период 2020-2026 годов прогноз силы геомагнитных бурь на отдельных часах превосходил формулу Burton в 62,2% случаев наиболее активной погоды. При этом система фиксировала больше ложных тревог по мере роста порога тяжести события.
Почему исследование важно для ИИ
Модель показывает, как машинное обучение применяют в задачах, где результат должен учитывать физические ограничения и свойства реальной инфраструктуры. Алгоритм не просто классифицирует изображение или генерирует текст, а связывает солнечные наблюдения, геологию и устройство энергосети с конкретной территорией.
Microsoft Research сообщает, что расчёт оценок для всех подстанций занимал около 333 миллисекунд. Такой темп позволяет быстро проверять разные сценарии и выделять объекты, которым может потребоваться дополнительный инженерный анализ.
Ограничения результата
Исследовательская система пока не является готовым промышленным сервисом. Авторы указывают, что перед использованием в работе энергосетей понадобятся дополнительные проверки с операторами и эксплуатационными данными. Для академической работы эту разработку можно рассматривать как пример физически обоснованного машинного обучения, где качество прогноза оценивают вместе с последствиями пропущенных и ложных предупреждений.
