كيف تستخدم Neara الذكاء الاصطناعي لحماية المرافق من الطقس القاسي

على مدى العقود القليلة الماضية، لم تصبح الظواهر الجوية المتطرفة أكثر حدة فحسب، بل أصبحت تحدث بشكل متكرر أكثر. تركز شركة Neara على تمكين شركات المرافق ومقدمي الطاقة من إنشاء نماذج لشبكات الطاقة الخاصة بهم وأي شيء قد يؤثر عليها، مثل حرائق الغابات أو الفيضانات. أطلقت الشركة الناشئة Redfern، نيو ساوث ويلز، أستراليا مؤخرًا منتجات الذكاء الاصطناعي والتعلم الآلي التي تنشئ نماذج واسعة النطاق للشبكات وتقييم المخاطر دون الحاجة إلى إجراء دراسات استقصائية يدوية.

منذ إطلاقها تجاريًا في عام 2019، جمعت Neara إجمالي 45 مليون دولار أسترالي (حوالي 29.3 مليون دولار أمريكي) من مستثمرين مثل Square Peg Capital وSkip Capital وPress Ventures. وتشمل قائمة عملائها شركة Essential Energy وEndeavour Energy وSA Power Networks. كما أنها شريكة مع شركة Southern California Edison Co وشركة EMPACT Engineering.

تعد ميزات الذكاء الاصطناعي والتعلم الآلي الخاصة بشركة Neara جزءًا بالفعل من مجموعتها التقنية وقد تم استخدامها من قبل المرافق في جميع أنحاء العالم، بما في ذلك Southern California Edison وSA Power Networks وEndeavour Energy في أستراليا وESB في أيرلندا وScottish Power.

أخبر المؤسس المشارك جاك كيرتس موقع TechCrunch أن المليارات تُنفق على البنية التحتية للمرافق، بما في ذلك الصيانة والتحديثات وتكلفة العمالة. عندما يحدث خطأ ما، يتأثر المستهلكون على الفور. عندما بدأت شركة نيرا في دمج قدرات الذكاء الاصطناعي والتعلم الآلي في منصتها، كان الهدف منها تحليل البنية التحتية الحالية دون إجراء عمليات تفتيش يدوية، والتي يقول إنها غالبًا ما تكون غير فعالة وغير دقيقة ومكلفة.

ثم قامت شركة Neara بتطوير ميزات الذكاء الاصطناعي والتعلم الآلي الخاصة بها حتى تتمكن من إنشاء نموذج واسع النطاق لشبكة المرافق والمناطق المحيطة بها. يمكن استخدام النماذج بعدة طرق، بما في ذلك محاكاة تأثير الطقس القاسي على إمدادات الكهرباء قبل الحدث وبعده وأثناءه. وهذا يمكن أن يزيد من سرعة استعادة الطاقة، ويحافظ على سلامة فرق المرافق، ويخفف من تأثير الأحداث الجوية.

يقول كيرتس: “إن تزايد وتيرة وشدة الأحوال الجوية القاسية يحفزنا على تطوير منتجاتنا أكثر من أي حدث آخر”. “في الآونة الأخيرة، كان هناك ارتفاع طفيف في الظواهر الجوية القاسية في جميع أنحاء العالم وتتأثر الشبكة بهذه الظاهرة.” ومن الأمثلة على ذلك عاصفة إيشا، التي تركت عشرات الآلاف بدون كهرباء في المملكة المتحدة، والعواصف الشتوية التي تسببت في انقطاع التيار الكهربائي على نطاق واسع في جميع أنحاء الولايات المتحدة، وعواصف الأعاصير الاستوائية في أستراليا التي تركت شبكة الكهرباء في كوينزلاند عرضة للخطر.

باستخدام الذكاء الاصطناعي والتعلم الآلي، يمكن للنماذج الرقمية لشبكات المرافق الخاصة بشركة Neara إعداد موفري الطاقة والمرافق لهم. تشمل بعض المواقف التي يمكن أن تتنبأ بها شركة Neara الأماكن التي قد تتسبب فيها الرياح العاتية في انقطاع التيار الكهربائي وحرائق الغابات، ومستويات مياه الفيضانات التي تعني أن الشبكات بحاجة إلى إيقاف طاقتها، وتراكم الجليد والثلوج الذي يمكن أن يجعل الشبكات أقل موثوقية ومرونة.

وفيما يتعلق بتدريب النموذج، يقول كيرتس إن الذكاء الاصطناعي والتعلم الآلي “تم دمجهما في الشبكة الرقمية منذ البداية”، حيث كان LiDAR حاسماً في قدرة Nera على محاكاة أحداث الطقس بدقة. ويضيف أنه تم تدريب نموذج الذكاء الاصطناعي والتعلم الآلي الخاص بها “على أكثر من مليون ميل من مناطق الشبكة المتنوعة، مما يساعدنا على التقاط الفروق الدقيقة التي تبدو صغيرة ولكن ذات أهمية عالية بدقة فائقة.”

وهذا أمر مهم لأنه في سيناريوهات مثل الفيضان، يمكن أن يؤدي اختلاف درجة واحدة في هندسة الارتفاع إلى وضع نماذج غير دقيقة لمستويات المياه، مما يعني أن المرافق قد تحتاج إلى تنشيط خطوط الكهرباء قبل أن تحتاج إلى ذلك، أو من ناحية أخرى، الحفاظ على الطاقة لفترة أطول مما هو مطلوب. آمن.

يتم التقاط صور LiDAR بواسطة شركات المرافق أو شركات التقاط الطرف الثالث، بدلاً من LiDAR. يقوم بعض العملاء بفحص شبكاتهم لتغذية Neara بالبيانات الجديدة بشكل مستمر، بينما يستخدمها الآخرون للحصول على رؤى جديدة من البيانات التاريخية.

يقول كيرتس: “إن إحدى النتائج الرئيسية لاستيعاب بيانات LiDAR هذه هي إنشاء نموذج التوأم الرقمي”. “هنا تكمن القوة على عكس بيانات LiDAR الأولية.”

من الأمثلة على عمل نيرا ما يلي: Southern California Edison، حيث هدفها هو “الوصفة الطبية التلقائية”، أو التحديد التلقائي للمكان الذي من المحتمل أن تشتعل فيه النيران في النباتات بشكل أكثر دقة من المسوحات اليدوية. كما أنه يساعد المفتشين على إخبار فرق المسح إلى أين يذهبون، دون تعريضهم للخطر. نظرًا لأن شبكات المرافق غالبًا ما تكون ضخمة، يتم إرسال مفتشين مختلفين إلى مناطق مختلفة، مما يعني مجموعة متعددة من البيانات الشخصية. يقول كيرتس إن استخدام منصة Neara يجعل البيانات أكثر اتساقًا.

في حالة شركة Southern California Edison هذه، تستخدم Neara تقنية LiDAR وصور الأقمار الصناعية وتحاكي الأشياء التي تساهم في انتشار حرائق الغابات من خلال الغطاء النباتي، بما في ذلك سرعة الرياح ودرجة الحرارة المحيطة. لكن بعض الأشياء التي تجعل التنبؤ بمخاطر الغطاء النباتي أكثر تعقيدًا هو أن شركة Southern California Edison تحتاج إلى الإجابة على أكثر من 100 سؤال لكل عمود من أعمدة الكهرباء الخاصة بها بسبب اللوائح، كما أنها مطالبة بفحص نظام النقل الخاص بها سنويًا.

وفي المثال الثاني، بدأت Neara العمل مع SA Power Networks في أستراليا بعد أزمة فيضانات نهر موراي 2022-2023، والتي أثرت على آلاف المنازل والشركات وتعتبر واحدة من أسوأ الكوارث الطبيعية التي ضربت جنوب أستراليا. التقطت SA Power Networks بيانات LiDAR من منطقة نهر موراي واستخدمت Neara لإجراء النمذجة الرقمية لتأثير الفيضانات ومعرفة مقدار الضرر الذي لحق بشبكتها ومقدار المخاطر المتبقية.

وقد مكّن هذا شركة SA Power Networks من إكمال تقرير في 15 دقيقة قام بتحليل 21000 خط كهرباء داخل منطقة الفيضان، وهي عملية كانت ستستغرق شهورًا لولا ذلك. ولهذا السبب، تمكنت شركة SA Power Networks من إعادة تنشيط خطوط الكهرباء في غضون خمسة أيام، مقارنة بالأسابيع الثلاثة المتوقعة في الأصل.

كما سمحت النمذجة ثلاثية الأبعاد لشركة SA Power Networks بنمذجة التأثير المحتمل لمستويات الفيضانات المختلفة على أجزاء من شبكات توزيع الكهرباء الخاصة بها والتنبؤ بمكان وزمان قد تنتهك خطوط الكهرباء الموافقات أو تكون معرضة لخطر انقطاع الكهرباء. بعد عودة مستويات النهر إلى وضعها الطبيعي، واصلت شركة SA Power Networks استخدام نموذج Neara لمساعدتها في التخطيط لإعادة توصيل إمداداتها الكهربائية على طول النهر.

تقوم شركة Neara حاليًا بالمزيد من البحث والتطوير في مجال التعلم الآلي. أحد الأهداف هو مساعدة المرافق في الحصول على قيمة أكبر من بياناتها المباشرة والتاريخية الحالية. وتخطط أيضًا لزيادة عدد مصادر البيانات التي يمكن استخدامها للنمذجة، مع التركيز على التعرف على الصور والمسح التصويري.

تعمل الشركة الناشئة أيضًا على تطوير ميزات جديدة باستخدام Essential Energy التي ستساعد المرافق على تقييم كل أصل، بما في ذلك الأعمدة، في الشبكة. يتم تقييم الأصول الفردية حاليًا بناءً على عاملين: احتمالية وقوع حدث مثل الطقس القاسي ومدى قدرته على الصمود في ظل تلك الظروف. يقول كيرتس إن هذا النوع من تحليل المخاطر/القيمة يتم إجراؤه يدويًا عادةً، وفي بعض الأحيان لا يمنع حدوث حالات فشل، كما في حالة انقطاع التيار الكهربائي أثناء حرائق الغابات في كاليفورنيا. تخطط شركة Essential Energy لاستخدام Neara لتطوير نموذج شبكة رقمية سيكون قادرًا على إجراء تحليل أكثر دقة للأصول وتقليل المخاطر أثناء حرائق الغابات.

يقول كيرتس: “في الأساس، نحن نسمح للمرافق بالبقاء في طليعة الطقس القاسي من خلال فهم كيفية تأثيره على شبكتهم، مما يسمح لهم بإبقاء الأضواء مضاءة ومجتمعاتهم آمنة”.