Una canalización de aprendizaje automático desarrollada en Microsoft Research genera estimaciones de riesgo de corriente inducida geomagnéticamente (GIC) específicas por ubicación para 66.935 subestaciones en los Estados Unidos continentales. El sistema combina pronósticos del viento solar con datos geológicos locales para proporcionar a los operadores de la red una advertencia anticipada de 30 a 60 minutos antes de que aparezcan riesgos específicos.
- La canalización utiliza un modelo de boosting de gradiente para estimar dB/dt, la tasa de cambio del campo magnético asociada con el riesgo de GIC.
- Alcanzó tasas de detección del 76,5 % para eventos mayores (≥10 nT/min), 81,2 % para eventos severos (≥20 nT/min) y 64,1 % para eventos extremos (≥50 nT/min).
- El predictor AE registró un RMSE de 410,2 nT, mientras que el predictor Dst superó a la ecuación de Burton en el 62,2 % de las horas de actividad máxima.
- La inferencia para todas las subestaciones toma aproximadamente 333 milisegundos, lo que permite una evaluación rápida de múltiples escenarios.
Este enfoque permite a las empresas de servicios públicos priorizar revisiones de ingeniería y considerar acciones protectoras dirigidas, como ajustar las reservas de potencia reactiva, basándose en la exposición geográfica precisa.