01 क्या हुआ
Microsoft Research के एक इंटरन ने एक मशीन लर्निंग प्रणाली विकसित की है जो महाद्वीपीय संयुक्त राज्य अमेरिका में बिजली ग्रिड पर अंतरिक्ष मौसम के प्रभाव का आकलन करती है।
02 मुख्य विवरण
- सिस्टम 66,935 सबस्टेशनों के लिए स्थान-विशिष्ट जोखिम अनुमान उत्पन्न करता है; मापा गया इन्फ्रेंस लगभग 333 मिलीसेकंड लेता है।
- प्रयोगों में, इसने संभावित प्रभावों से 30–60 मिनट पहले जोखिम अनुमान उत्पन्न किए। ग्रिड उपयोग से पहले उपयोगिताओं और परिचालन डेटा के साथ आगे सत्यापन आवश्यक है।
- भू-चुंबकीय प्रेरित धारा जोखिम के लिए, बड़ी घटनाओं (>=10 nT/min) के लिए पहचान दर 76.5%, गंभीर घटनाओं (>=20 nT/min) के लिए 81.2% और चरम घटनाओं (>=50 nT/min) के लिए 64.1% थी।
03 यह क्यों महत्वपूर्ण है
उपयोगिताओं और परिचालन डेटा के साथ आगे के सत्यापन के बाद, ये अनुमान ऑपरेटरों को इंजीनियरिंग समीक्षाओं को प्राथमिकता देने और लक्षित सुरक्षात्मक उपायों पर विचार करने में मदद कर सकते हैं।
04 किनके लिए महत्वपूर्ण है
ऊर्जा विशेषज्ञ, बुनियादी ढांचा अभियंता और कृत्रिम बुद्धिमत्ता अनुसंधानकर्ता.
मूल स्रोत