마이크로소프트 리서치에서 개발한 머신러닝 파이프라인은 미국 본토의 66,935개 변전소에 대해 위치별 자기유도전류(GIC) 위험 추정치를 생성합니다. 이 시스템은 태양풍 예보와 지역 지질 데이터를 결합하여 특정 위험이 나타나기 전 30~60분의 사전 경고를 전력망 운영자에게 제공합니다.

  • 파이프라인은 GIC 위험과 관련된 자기장 변화율인 dB/dt를 추정하기 위해 그래디언트 부스팅 모델을 사용합니다.
  • 주요 사건(≥10 nT/min)에 대해 76.5%, 중증 사건(≥20 nT/min)에 대해 81.2%, 극심한 사건(≥50 nT/min)에 대해 64.1%의 탐지율을 달성했습니다.
  • AE 예측기는 410.2 nT RMSE를 기록했으며, Dst 예측기는 피크 활동 시간의 62.2%에서 버턴 방정식보다 우수한 성능을 보였습니다.
  • 모든 변전소에 대한 추론은 약 333밀리초가 소요되어 여러 시나리오의 신속한 평가를 가능하게 합니다.

이 접근 방식은 유틸리티 기업이 정확한 지리적 노출도를 기반으로 공학적 검토를 우선시하고, 무효전력 예비력 조정과 같은 표적 보호 조치를 고려할 수 있도록 합니다.