الذكاء — Theka AIالعودة إلى الأخبار ↗

الأبحاث

مايكروسوفت ريسيرش تطور نظامًا لتقدير مخاطر العواصف الفضائية على الشبكات الكهربائية

نُشر في الذكاء: · دقيقتان للقراءة

تاريخ خبر المصدر:

كشفت Microsoft Research عن خط أنابيب تعلّم آلي يقدّر مخاطر الطقس الفضائي على 66,935 محطة فرعية في الولايات المتحدة، مع إنذار مبكر يصل إلى 30-60 دقيقة وربط التوقعات بخصائص الموقع المحلي.

صورة خبر: مايكروسوفت ريسيرش تطور نظامًا لتقدير مخاطر العواصف الفضائية على الشبكات الكهربائية
الصورة من Microsoft Research ↗

تغطية عربية أُعدّت بمساعدة الذكاء الاصطناعي اعتمادًا على المصدر المرتبط أدناه.

طوّر Microsoft Research نظامًا للتنبؤ بمخاطر الطقس الفضائي على الشبكات الكهربائية، عبر تقدير مخاطر مرتبطة بمحطات فرعية في الولايات المتحدة القارية. ويعتمد النظام على معلومات الرياح الشمسية وتوقعات مؤشرين فيزيائيين هما Auroral Electrojet (AE) وDisturbance Storm Time (Dst)، مع دمجها بخصائص الموقع المحلي مثل خط العرض والتكوين الجيولوجي والتوصيلية الأرضية.

تقول الشركة إن خط الأنابيب يحلل 66,935 محطة فرعية، ويحوّل التوقعات إلى تقديرات مخاطر موضعية قبل 30 إلى 60 دقيقة من ظهور التأثير المحتمل. وفي مرحلة التقييم، التقط النظام نحو 80% من الأحداث الكبرى المرتبطة بالطقس الفضائي، وسجّل معدلات اكتشاف بلغت 76.5% للأحداث الكبرى و81.2% للأحداث الشديدة و64.1% للأحداث المتطرفة.

يبني النظام تقديراته على ثلاث مراحل: أولًا توقع AE وDst من قياسات الرياح الشمسية عند نقطة L1، ثم استخدام نموذج تعلّم آلي من نوع gradient boosting لتقدير dB/dt، أي معدل تغيّر المجال المغناطيسي المرتبط بمخاطر التيارات الجيومغناطيسية، ثم تحويل ذلك إلى تقييمات خطر لكل محطة فرعية وعلى مستوى القارة. كما أفاد المشروع بأن الاستدلال على جميع المحطات استغرق نحو 333 مللي ثانية.

وتشير Microsoft Research إلى أن هذه النتائج قد تساعد شركات الكهرباء على تحديد المواقع الأكثر عرضة بسرعة أكبر، بما يتيح مراجعة هندسية أدق وإجراءات حماية موضعية مثل تعديل احتياطيات القدرة غير الفعالة أو إعادة تهيئة أجزاء من الشبكة مؤقتًا. لكن الشركة تؤكد أن استخدامه في التشغيل الفعلي يحتاج إلى مزيد من التحقق مع المرافق وبيانات تشغيلية حقيقية.