Neara如何利用人工智能保护公共设施免受极端天气的影响

AI7号 2024-02-16 2553

Chat中文版

在过去几十年里,极端天气事件不仅变得更加严重,而且频率也越来越高。Neara致力于帮助公用事业公司和能源供应商创建其电力网络及可能影响其网络的因素的模型,例如野火或洪水。这家位于澳大利亚新南威尔士州红河镇的初创公司最近推出了基于人工智能和机器学习的产品,可以创建大规模的网络模型,并评估风险,而无需进行手动调查。

自2019年开始商业化以来,Neara总共从Square Peg Capital、Skip Capital和Press Ventures等投资者那里筹集了4500万澳元(约2930万美元)。其客户包括Essential Energy、Endeavour Energy和SA Power Networks。它还与Southern California Edison Co和EMPACT Engineering达成合作。

近年来,Neara的基于人工智能和机器学习的功能已经成为其技术堆栈的一部分,并被世界各地的公用事业公司使用,包括南加州爱迪生公司、南澳州电力网络公司、澳大利亚恩德尤能源公司、爱尔兰ESB公司和苏格兰电力公司。

联合创始人杰克·柯蒂斯告诉TechCrunch,数十亿资金被用于基础设施的维护、升级和人工成本。一旦出现问题,消费者立即受到影响。当Neara开始将人工智能和机器学习功能整合到其平台时,目的是分析现有基础设施,不再依赖人工巡检,因为他称这种方式通常效率低下、准确性不高且昂贵。

然后Neara发展了其人工智能和机器学习功能,使其能够创建一种公用事业网络和周围环境的大规模模型。这些模型可以用于多种方式,包括在事件发生之前、之后和期间模拟极端天气对电力供应的影响。这可以增加电力恢复速度,保护公用事业团队的安全,并减轻天气事件的影响。

“与任何一个事件相比,极端天气的频率和严重程度对我们的产品开发更具推动力。”Curtis说道,“最近,在世界范围内出现了一系列严重天气事件,电网也受到了这种现象的影响。”一些例子包括“伊莎风暴”在英国造成成千上万人断电,冬季风暴在美国造成大规模停电,以及澳大利亚的热带气旋风暴使昆士兰的电网变得脆弱。

通过使用人工智能和机器学习,Neara的公用事业网络的数字模型可以为能源供应商和公用事业部门做好准备。Neara可以预测的一些情况包括:高风可能导致停电和山火、洪水水位需要关闭电网和冰雪堆积可能导致电网的可靠性和弹性减弱的情况。

就模型训练而言,Curtis表示人工智能和机器学习从一开始就被融入了数字网络中,其中LiDAR对于Neara精确模拟天气事件至关重要。他补充道,他们的人工智能和机器学习模型是在超过100万英里的不同网络地区进行训练的,这有助于我们以极高的准确性捕捉看似微小但具有重大影响的细微差别。

这很重要,因为在像洪水这样的情景中,海拔高度几何方面的一度差异可能导致对水位建模不准确,这意味着公用事业可能需要在实际需要之前通电,或者相反地,将电力保持更长时间,而这是不安全的。

Chat中文版

激光雷达影像是由公用事业公司或第三方采集公司捕捉的,而不是由激光雷达本身进行捕捉。一些客户将他们的网络进行扫描,不断将新数据输入到Neara中,而另一些客户则利用它从历史数据中获取新的洞见。

“从引入这些光遥感数据中得到的一个关键结果就是创建数字孪生模型,”Curtis说道。“与原始的光遥感数据相比,这才是其强大之处所在。”

近亚公司的一些工作例子包括南加州爱迪生公司,其目标是“自动处方”,即比手动调查更准确地自动识别可能发生火灾的植被区域。它还帮助检查员指示勘测团队去哪里,而不会让他们面临风险。由于公用事业网络通常庞大,不同的检查员被派往不同的地区,这意味着存在多组主观数据。柯蒂斯说,使用近亚的平台可以保持数据更加一致。

在南加州爱迪生公司的案例中,Neara使用激光雷达和卫星图像,并模拟了导致野火蔓延的植被因素,包括风速和环境温度。但是,使得预测植被风险更为复杂的是,南加州爱迪生公司需要回答每个电力杆超过100个问题,以符合法规要求,而且还需要每年检查其输电系统。

在第二个例子中,Neara在2022-2023年的澳大利亚穆雷河洪灾之后开始与南澳州电力网络公司合作。该次洪灾影响了数千个家庭和企业,被认为是南澳大利亚遭遇的最严重自然灾害之一。南澳州电力网络公司获取了穆雷河地区的LiDAR数据,并使用Neara进行数字洪水影响模拟,以了解其网络受损程度和剩余风险量。

这使得南澳电力网络能够在15分钟内完成一份分析洪水区域内2.1万个输电线路跨度的报告,而这个过程原本需要数月时间。正因为此,南澳电力网络能够在五天内重新通电,而原本预计需要三周。

3D建模还允许南澳大利亚能源网络公司对其电力分配网络的不同洪水水位潜在影响进行建模,并预测电力线路可能违反清空要求或面临断电风险的位置和时间。在河水水位恢复正常后,南澳大利亚能源网络公司继续使用Neara的建模来帮助其规划沿河地区的电力供应重新连接。

Neara目前正在进行更多的机器学习研发工作。其中一个目标是帮助公用事业公司从现有的实时和历史数据中获得更多价值。它还计划增加可以用于建模的数据来源数量,重点关注图像识别和摄影测量。

这个初创公司还与Essential Energy一起开发新功能,帮助公用事业企业评估网络中的每个资产,包括电线杆。目前,个别资产的评估基于两个因素:类似极端天气事件的发生可能性以及在这种条件下的耐久程度。Curtis表示,这种类型的风险/价值分析通常是手动执行的,有时不能有效防止故障,例如加利福尼亚山火期间的停电事件。Essential Energy计划使用Neara开发一个数字网络模型,能够对资产进行更精确的分析,并在山火期间降低风险。

“基本上,我们让公用事业公司能够提前一步了解极端天气会如何影响他们的网络,以保持供电并确保社区的安全,” Curtis说道。

推荐阅读

OpenAI的Sora视频生成模型也可以渲染视频游戏

2024-02-16 452
Chat中文版

美国联邦贸易委员会寻求修改规定以打击深度伪造技术

2024-02-16 331
Chat中文版

OpenAI最新的模型Sora能够生成视频,而且效果还不错

2024-02-16 3058
Chat中文版

开放人工智能(OpenAI)无权商标「GPT」

2024-02-16 611
Chat中文版

这个德国非盈利组织正在构建一个任何人都可以使用的开放式语音助手

2024-02-16 1423
Chat中文版