Wie Neara KI nutzt, um Versorgungsunternehmen vor extremen Wetterbedingungen zu schützen

Wie Neara KI nutzt um Versorgungsunternehmen vor extremen Wetterbedingungen zu

Extreme Wetterereignisse haben in den letzten Jahrzehnten nicht nur zugenommen, sondern treten auch häufiger auf. In der Nähe von konzentriert sich darauf, Versorgungsunternehmen und Energieversorgern die Erstellung von Modellen ihrer Stromnetze und allem, was sie betreffen könnte, wie Waldbrände oder Überschwemmungen, zu ermöglichen. Das in Redfern, New South Wales, Australien, ansässige Startup hat kürzlich Produkte für KI und maschinelles Lernen auf den Markt gebracht, mit denen groß angelegte Modelle von Netzwerken erstellt und Risiken bewertet werden können, ohne dass manuelle Umfragen durchgeführt werden müssen.

Seit dem kommerziellen Start im Jahr 2019 hat Neara insgesamt 45 Millionen AUD (ca. 29,3 Millionen US-Dollar) von Investoren wie Square Peg Capital, Skip Capital und Press Ventures eingesammelt. Zu seinen Kunden zählen Essential Energy, Endeavour Energy und SA Power Networks. Es besteht außerdem eine Partnerschaft mit Southern California Edison Co und EMPACT Engineering.

Die auf KI und maschinellem Lernen basierenden Funktionen von Neara sind bereits Teil seines Tech-Stacks und werden von Energieversorgern auf der ganzen Welt genutzt, darunter Southern California Edison, SA Power Networks und Endeavour Energy in Australien, ESB in Irland und Scottish Power.

Mitbegründer Jack Curtis erklärt gegenüber Tech, dass Milliarden für die Infrastruktur der Versorgungsunternehmen ausgegeben werden, einschließlich Wartung, Upgrades und Arbeitskosten. Wenn etwas schief geht, sind die Verbraucher sofort betroffen. Als Neara damit begann, KI- und maschinelle Lernfunktionen in seine Plattform zu integrieren, ging es darum, die bestehende Infrastruktur ohne manuelle Inspektionen zu analysieren, was seiner Meinung nach oft ineffizient, ungenau und teuer sein kann.

Anschließend erweiterte Neara seine KI- und maschinellen Lernfunktionen, um ein groß angelegtes Modell des Netzwerks und der Umgebung eines Versorgungsunternehmens erstellen zu können. Modelle können auf vielfältige Weise eingesetzt werden, unter anderem zur Simulation der Auswirkungen extremer Wetterbedingungen auf die Stromversorgung vor, nach und während eines Ereignisses. Dies kann die Geschwindigkeit der Wiederherstellung der Stromversorgung erhöhen, die Sicherheit der Versorgungsteams gewährleisten und die Auswirkungen von Wetterereignissen abmildern.

„Die zunehmende Häufigkeit und Schwere von Unwettern motiviert unsere Produktentwicklung mehr als jedes andere Ereignis“, sagt Curtis. „In letzter Zeit kam es weltweit zu einem Anstieg schwerer Wetterereignisse, und das Stromnetz ist von diesem Phänomen betroffen.“ Einige Beispiele sind Storm Ishadie im Vereinigten Königreich Zehntausende Menschen ohne Strom zurückließ, Winterstürme verursachte massive Stromausfälle in den Vereinigten Staaten und tropische Wirbelstürme in Australien die das Stromnetz von Queensland angreifbar machen.

Durch den Einsatz von KI und maschinellem Lernen können die digitalen Modelle von Versorgungsnetzen von Neara Energieversorger und Versorgungsunternehmen darauf vorbereiten. Zu den Situationen, die Neara vorhersagen kann, gehören Situationen, in denen starke Winde Ausfälle und Waldbrände verursachen könnten, Hochwasserstände, die dazu führen, dass Netzwerke ihre Energie abschalten müssen, und Eis- und Schneeansammlungen, die Netzwerke weniger zuverlässig und widerstandsfähig machen können.

In Bezug auf das Training des Modells waren KI und maschinelles Lernen laut Curtis „von Anfang an in das digitale Netzwerk integriert“, wobei LiDAR für Nearas Fähigkeit, Wetterereignisse genau zu simulieren, von entscheidender Bedeutung war. Er fügt hinzu, dass sein KI- und maschinelles Lernmodell „auf über einer Million Meilen vielfältiger Netzwerkgebiete trainiert wurde, was uns hilft, scheinbar kleine, aber folgenreiche Nuancen mit höchster Genauigkeit zu erfassen.“

Das ist wichtig, denn in Szenarien wie einer Überschwemmung kann ein einziger Höhenunterschied in der Geometrie dazu führen, dass die Wasserstände ungenau modelliert werden, was bedeutet, dass Energieversorger die Stromleitungen möglicherweise früher als nötig unter Strom setzen oder den Strom länger als nötig aufrechterhalten müssen sicher.

Neara-Mitbegründer Daniel Danilatos, Karamvir Singh und Jack Curtis

LiDAR-Bilder werden von Versorgungsunternehmen oder Drittanbietern anstelle von LiDAR erfasst. Einige Kunden scannen ihre Netzwerke, um Neara kontinuierlich mit neuen Daten zu versorgen, während andere es nutzen, um neue Erkenntnisse aus historischen Daten zu gewinnen.

„Ein wichtiges Ergebnis der Aufnahme dieser LiDAR-Daten ist die Erstellung des digitalen Zwillingsmodells“, sagt Curtis. „Hier liegt die Kraft im Gegensatz zu den LiDAR-Rohdaten.“

Ein paar Beispiele für die Arbeit von Neara ist Southern California Edison, dessen Ziel die „automatische Verschreibung“ ist, also die automatische Identifizierung, wo Vegetation wahrscheinlich Feuer fängt, genauer als bei manuellen Untersuchungen. Es hilft den Inspektoren auch dabei, den Vermessungsteams zu sagen, wohin sie gehen sollen, ohne sie einem Risiko auszusetzen. Da Versorgungsnetze oft riesig sind, werden unterschiedliche Inspektoren in unterschiedliche Bereiche entsandt, was zu mehreren subjektiven Datensätzen führt. Laut Curtis sorgt die Verwendung der Plattform von Neara dafür, dass die Daten konsistenter bleiben.

Im Fall von Edison in Südkalifornien verwendet Neara LiDAR- und Satellitenbilder und simuliert Dinge, die zur Ausbreitung von Waldbränden in der Vegetation beitragen, einschließlich Windgeschwindigkeit und Umgebungstemperatur. Einige Dinge, die die Vorhersage des Vegetationsrisikos jedoch komplexer machen, sind die Tatsache, dass Southern California Edison aufgrund von Vorschriften mehr als 100 Fragen für jeden seiner Strommasten beantworten muss und auch sein Übertragungssystem jährlich überprüfen muss.

Im zweiten Beispiel begann Neara die Zusammenarbeit mit SA Power Networks in Australien nach der Überschwemmungskatastrophe am Murray River 2022–2023, die Tausende von Haushalten und Unternehmen in Mitleidenschaft gezogen hatte und als eine der schlimmsten Naturkatastrophen im Süden Australiens gilt. SA Power Networks erfasste LiDAR-Daten aus der Murray River-Region und nutzte Neara, um eine digitale Hochwasserauswirkungsmodellierung durchzuführen und zu sehen, wie viel seines Netzwerks beschädigt wurde und wie viel Risiko noch besteht.

Dies ermöglichte es SA Power Networks, innerhalb von 15 Minuten einen Bericht zu erstellen, der 21.000 Stromleitungsabschnitte innerhalb des Überschwemmungsgebiets analysierte, ein Prozess, der andernfalls Monate gedauert hätte. Dadurch war SA Power Networks in der Lage, die Stromleitungen innerhalb von fünf Tagen wieder mit Strom zu versorgen, im Vergleich zu den ursprünglich vorgesehenen drei Wochen.

Die 3D-Modellierung ermöglichte es SA Power Networks außerdem, die potenziellen Auswirkungen verschiedener Überschwemmungsniveaus auf Teile seiner Stromverteilungsnetze zu modellieren und vorherzusagen, wo und wann Stromleitungen die Freigaben überschreiten könnten oder die Gefahr einer Stromunterbrechung besteht. Nachdem sich der Pegel des Flusses wieder normalisiert hatte, nutzte SA Power Networks weiterhin die Modellierung von Neara, um die Wiederanbindung seiner Stromversorgung entlang des Flusses zu planen.

Neara betreibt derzeit mehr Forschung und Entwicklung im Bereich maschinelles Lernen. Ein Ziel besteht darin, Versorgungsunternehmen dabei zu helfen, mehr Wert aus ihren vorhandenen Live- und historischen Daten zu ziehen. Außerdem ist geplant, die Anzahl der Datenquellen zu erhöhen, die für die Modellierung verwendet werden können, wobei der Schwerpunkt auf Bilderkennung und Photogrammetrie liegt.

Das Startup entwickelt mit Essential Energy außerdem neue Funktionen, die Versorgungsunternehmen dabei helfen sollen, jedes Asset, einschließlich Masten, in einem Netzwerk zu bewerten. Einzelne Vermögenswerte werden derzeit anhand von zwei Faktoren bewertet: der Wahrscheinlichkeit eines Ereignisses wie extremem Wetter und wie gut sie diesen Bedingungen standhalten könnten. Curtis sagt, dass diese Art der Risiko-Wert-Analyse normalerweise manuell durchgeführt wird und manchmal Ausfälle nicht verhindern kann, wie im Fall von Stromausfällen während Waldbränden in Kalifornien. Essential Energy plant, Neara zu nutzen, um ein digitales Netzwerkmodell zu entwickeln, das eine genauere Analyse von Vermögenswerten durchführen und Risiken bei Waldbränden reduzieren kann.

„Im Wesentlichen ermöglichen wir es den Versorgungsunternehmen, extremen Wetterereignissen immer einen Schritt voraus zu sein, indem wir genau verstehen, wie sich diese auf ihr Netzwerk auswirken. So können sie dafür sorgen, dass das Licht an bleibt und ihre Gemeinden sicher sind“, sagt Curtis.

tch-1-tech