Blog
新創公司「Neara」引領公用事業應對極端天氣：利用AI預測風險保障能源供應
新創公司「Neara」引領公用事業應對極端天氣：利用AI預測風險保障能源供應
February 18, 2024
重點摘要：
- 「Neara」利用人工智慧保護能源供應：預測極端天氣對電力網路的影響。
- 澳洲新創公司Neara導入人工智慧技術，助力公用事業因應極端天氣挑戰。
- Neara與南加州愛迪生公司合作，利用機器學習預測風險，提前應對極端天氣事件。
新聞內文：
在過去幾十年裡，極端天氣事件不僅變得更加嚴重，而且發生頻率也更高。「Neara」專注於幫助公用事業公司和能源提供商建立他們的電力網路模型以及可能影響它們的任何因素，如野火或洪水。這家位於澳大利亞新南威爾士州紅蕨的新創公司，最近推出了基於人工智慧和機器學習的產品，能夠在不進行手動調查的情況下建立網路的大規模模型並評估風險。
自2019年商業化以來，Neara從Square Peg Capital、Skip Capital 和 Press Ventures 等投資者籌集了總計4500萬澳元（約合2930萬美元）。其客戶包括 Essential Energy、Endeavour Energy和SA Power Networks。它還與南加州愛迪生公司和EMPACT Engineering達成了合作。
Neara的基於人工智慧和機器學習的功能已經成為其技術堆棧的一部分，並且已經被世界各地的公用事業所使用，包括南加州愛迪生公司、南澳大利亞電力網絡公司、澳大利亞Endeavor Energy、愛爾蘭的ESB和蘇格蘭電力公司。
共同創辦人傑克·柯蒂斯告訴TechCrunch，數十億美元被用於公用事業基礎設施，包括維護、升級和勞動力成本。一旦出現問題，消費者立即受到影響。當 Neara開始將人工智慧和機器學習能力整合到其平台中時，主要是為了分析現有基礎設施，而無需進行手動檢查，他表示這種方法通常效率低下、不準確且昂貴。
然後，Neara擴展了其人工智能和機器學習功能，以便能夠建立公用事業網路及周邊環境的大規模模型。這些模型可以用於多種方式，包括在事件發生前、期間和後模擬極端天氣對電力供應的影響。這可以提高電力恢復速度，保護公用事業團隊的安全，並減輕天氣事件的影響。
柯蒂斯表示：「極端天氣的頻率和嚴重性比任何一次事件都更多地促進了我們的產品發展」。他補充道：「最近，全球各地出現了嚴重天氣事件的增加，電網受到了這一現象的影響」。一些例子包括風暴伊莎（Storm Isha），造成英國成千上萬人停電，引起美國大規模停電的冬季風暴以及澳大利亞的熱帶氣旋風暴，使昆士蘭的電網變得脆弱。
透過使用人工智慧和機器學習，Neara對公用事業網路的數位模型可以幫助能源供應商和公用事業應對這些情況。Neara可以預測的一些情況，包括強風可能導致斷電和野火，洪水水位可能需要關閉能源，以及冰雪積聚可能使網絡不太可靠和抗擊性差。
在訓練模型方面，柯蒂斯表示，人工智慧和機器學習是「從一開始就融入了數字網路」，激光雷達對於Neara準確模擬天氣事件至關重要。他補充說，Neara 的人工智慧和機器學習模型是「在超過一百萬英里的多樣化網路領域上進行訓練的，這有助於我們捕捉看似微小但高度重要的細微差異，並實現超高精度」。
這一點很重要，因為在洪水等情況下，高度幾何結構的單度差異可能會導致模擬不準確的水位，這意味著公用事業可能需要在需要之前通電電力線路，或者在安全時間過後保持電力運行的時間過長。
「激光雷達圖像」是由公用事業公司或第三方捕獲公司捕獲的。一些客戶掃描其網絡以持續為Neara提供新數據，而其他客戶則使用它從歷史數據中獲取新見解。
柯蒂斯表示：「從吸收這些激光雷達數據中獲得的一個關鍵結果是創造數位孿生模型，這才是力量所在，而不是原始激光雷達數據」。
Neara的工作案例包括南加州愛迪生公司，其目標是「自動處方」，即自動識別植被可能更容易發生火災的地點，比手動調查更準確。它還幫助檢查員告訴調查小組應該去哪裡，而不會讓他們冒險。由於公用事業網路通常非常龐大，因此不同的檢查員被派往不同的區域，這意味著多組主觀數據。柯蒂斯表示，使用Neara平台可以使數據更加一致。
在南加州愛迪生公司的案例中，Neara使用激光雷達和衛星圖像，模擬了導致植被火災蔓延的因素，包括風速和環境溫度。但使預測植被風險變得更加複雜的一些因素是，南加州愛迪生公司需要回答每個電力桿的100多個問題，由於規定，並且還需要每年檢查其輸電系統。
在第二個例子中，Neara在2022-2023年澳大利亞河流墨納的洪水危機之後開始與澳大利亞SA Power Networks合作。該次洪水危機影響了成千上萬的家庭和企業，被認為是南澳大利亞遭受的最嚴重自然災害之一。SA Power Networks 從默里河地區捕獲了激光雷達數據，並使用Neara進行數位洪水影響建模，以了解其網路的損壞情況和剩餘的風險。
這使得SA Power Networks能夠在15分鐘內完成一份報告，分析了洪水區域內的21,000條電力線路跨度，而這個過程原本需要幾個月的時間。由於這一點，SA Power Networks能夠在五天內重新為電力線路供電，而不是原本預期的三個星期。
這種3D建模還允許SA Power Networks對其電力分佈網絡的各個部分進行洪水水位的模擬，並預測電力線路可能破壞清潔或面臨斷電風險的位置和時間。在河流水位恢復正常後，SA Power Networks繼續使用Neara的建模來幫助其計劃重新連接河流沿岸的電力供應。
Neara目前正在進行更多的機器學習研究和開發。其中一個目標是幫助公用事業從其現有的實時和歷史數據中獲得更多價值。它還計劃增加可用於建模的數據源的數量，重點是圖像識別和測量攝影測量術。
該新創公司還與Essential Energy合作開發新功能，該功能將幫助公用事業評估網路中的每個資產，包括電線桿。目前，對個別資產的評估基於兩個因素：極端天氣事件發生的可能性以及它在這些條件下可能的表現。柯蒂斯表示，這種風險與價值分析通常是手動進行的，有時無法防止故障，例如加州野火期間的停電。Essential Energy打算使用Neara開發數位網路模型，進行更精確的資產分析，並在野火期間減少風險。
柯蒂斯說：「基本上，我們讓公用事業在極端天氣來臨之前提前一步，了解它將如何影響其網路，從而使他們能夠保持照明並保護社區的安全」。
新聞原址： https://techcrunch.com/2024/02/15/neara-ai/