摘要: 在过去的几十年中，极端天气事件不仅变得更加严重，而且发生频率更高。附近的重点是在过去的几十年中，极端天气事件不仅变得更加严重，而且发生频率更高。附近的重点是使公用事业公司和能源提供商能够创建其电力网络的模型以及任何可能影响它们的东西，例如野火或洪水。雷德弗恩（Redfern），新南威尔士州的澳大利亚初创公司最近推出了AI和机器学习产品，该产品创建了大型网络模型并评估风险而无需进行手动调查。
近年来气候灾害频发，Neara利用人工智能保障电力网络稳定
近几十年来，气候灾害不仅变得更加严重，而且发生频率也在增加。Neara致力于帮助公用事业公司和能源供应商创建他们的电力网络模型，以及可能影响网络的因素，如野火或洪水。
Neara是一家总部位于澳大利亚新南威尔士州雷德费恩的初创公司，最近推出了基于人工智能和机器学习的产品，可以创建大规模网络模型并评估风险，无需进行手动调查。
自2019年商业化推出以来，Neara已从Square Peg Capital、Skip Capital和Press Ventures等投资者那里筹集了总额达4500万澳元（约2930万美元）的资金。其客户包括Essential Energy、Endeavour Energy和SA Power Networks。此外，它还与南加州爱迪生公司和EMPACT Engineering合作。
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，并已被全球各地的公用事业公司使用，包括美国南加州爱迪生公司、澳大利亚SA Power Networks和Endeavor Energy、爱尔兰ESB以及苏格兰电力公司。
Neara的人工智能和机器学习功能可以创建公用事业网络及周围环境的大规模模型。这些模型可以用于模拟极端天气对电力供应的影响，从而提高电力恢复速度，确保公用事业团队安全，并减轻天气事件的影响。
通过使用人工智能和机器学习，Neara的数字化公用事业网络模型可以帮助能源供应商和公用事业公司做好准备。Neara可以预测高风可能导致断电和野火，洪水水位可能需要关闭能源以及冰雪积聚可能导致网络不可靠和缺乏弹性的情况。
在模型训练方面，Neara的联合创始人Jack Curtis表示，人工智能和机器学习已经“从一开始就融入数字网络中”，激光雷达对于Neara准确模拟天气事件至关重要。他补充说，他们的人工智能和机器学习模型经过“超过一百万英里的多样网络领土训练”，帮助捕捉看似微小但具有高度重要影响的细微差别。
这一点很重要，因为在洪水等情况下，海拔几度的差异可能导致水位模拟不准确，这意味着公用事业公司可能需要在必要之前通电线路，或者在安全时间内保持通电。
激光雷达图像由公用事业公司或第三方捕捉公司捕获。一些客户扫描他们的网络，不断向Neara提供新数据，而其他客户则利用历史数据获取新见解。
“从摄入这些激光雷达数据中获得的一个关键结果是数字孪生模型的创建，”Curtis说。“这正是力量所在，而不是原始激光雷达数据。”
一些Neara的工作案例包括南加州爱迪生公司，他们的目标是“自动处方”，比手动调查更准确地识别植被可能发生火灾的位置。在第二个案例中，Neara开始与澳大利亚SA Power Networks合作，后者在2022-2023年的里弗默里洪水危机后开始合作。这次危机影响了数千家庭和企业，被认为是南澳大利亚遭受的最严重自然灾害之一。
这使得SA Power Networks能够在五天内重新通电，而原本预计需要三周。由于这个原因，SA Power Networks能够在河水恢复正常后继续使用Neara的建模来帮助计划沿河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。其中一个目标是帮助公用事业公司更好地利用其现有的实时和历史数据。它还计划增加可用于建模的数据源数量，重点放在图像识别和摄影测量上。
Essential Energy正在与Neara合作开发新功能，将帮助公用事业公司评估网络中的每个资产，包括电线杆。Curtis表示，这种风险/价值分析通常是手动进行的，有时无法防止故障，比如加利福尼亚野火期间的停电。Essential Energy计划使用Neara开发数字网络模型，以更精确地分析资产，并在野火期间减少风险。
“基本上，我们让公用事业公司能够提前一步了解极端天气将如何影响他们的网络，从而使他们保持照明并确保社区安全，”Curtis说。
暂无评论内容