Un pipeline d'apprentissage automatique développé au sein de Microsoft Research génère des estimations de risque de courant géomagnétiquement induit (GIC) spécifiques à l'emplacement pour 66 935 sous-stations sur le continent américain. Le système combine les prévisions du vent solaire avec des données géologiques locales pour fournir aux exploitants du réseau une alerte préalable de 30 à 60 minutes avant l'apparition de risques spécifiques.

  • Le pipeline utilise un modèle de gradient boosting pour estimer dB/dt, le taux de changement du champ magnétique associé au risque GIC.
  • Il a atteint des taux de détection de 76,5 % pour les événements majeurs (≥10 nT/min), 81,2 % pour les événements graves (≥20 nT/min) et 64,1 % pour les événements extrêmes (≥50 nT/min).
  • Le prédicteur AE a enregistré une erreur quadratique moyenne de 410,2 nT, tandis que le prédicteur Dst a surpassé l'équation de Burton sur 62,2 % des heures d'activité maximale.
  • L'inférence pour toutes les sous-stations prend environ 333 millisecondes, permettant une évaluation rapide de plusieurs scénarios.

Cette approche permet aux fournisseurs d'électricité de prioriser les revues techniques et d'envisager des actions de protection ciblées, telles que l'ajustement des réserves de puissance réactive, en fonction de l'exposition géographique précise.