01 Ce qui s’est passé
Un stagiaire de Microsoft Research a développé un système de machine learning pour estimer les risques que la météo spatiale fait peser sur les réseaux électriques des États-Unis continentaux.
02 Les points essentiels
- Le système produit des estimations de risque localisées pour 66 935 postes électriques ; l'inférence mesurée prend environ 333 millisecondes.
- Lors des essais, il a produit des estimations de risque 30 à 60 minutes avant des effets possibles. Une validation supplémentaire auprès des services publics et à l'aide de données opérationnelles est nécessaire avant toute utilisation sur le réseau.
- Pour le risque de courants induits géomagnétiquement, les taux de détection étaient de 76,5 % pour les événements majeurs (≥10 nT/min), de 81,2 % pour les événements sévères (≥20 nT/min) et de 64,1 % pour les événements extrêmes (≥50 nT/min).
03 Pourquoi c’est important
Après une validation supplémentaire avec les services publics et des données opérationnelles, ces estimations pourraient aider les opérateurs à prioriser les examens techniques et à envisager des mesures de protection ciblées.
04 Pour qui c’est utile
Spécialistes en énergie, ingénieurs infrastructure et chercheurs en intelligence artificielle.
Source originale