微軟研究院開發機器學習管線 預測美國電網變電所太空天氣風險

微軟研究院在實習專案中開發出一套端到端機器學習管線，旨在預測美國本土 66,935 座變電所面臨的地磁感應電流（GIC）風險。該系統整合來自 L1 拉格朗日點的太陽風觀測數據、極光電流通量（AE）與地磁擾動時間（Dst）指數預測，並結合變電所當地的地質導電度與電網拓撲特性，能在潛在衝擊發生前 30 至 60 分鐘提供特定地點的預警。

值得帶走的重點

• 該多階段管線結合 L1 太陽風數據、AE 與 Dst 指數預測及變電所地質特徵，透過梯度提升模型推估與 GIC 風險相關的磁場變化率（dB/dt）。
• 在 2020 至 2026 年的評估期間，該系統對重大事件（≥10 nT/min）的偵測率達 76.5%，嚴重事件（≥20 nT/min）為 81.2%，極端事件（≥50 nT/min）則為 64.1%。
• 該模型於推論測試中在約 333 毫秒內完成了全美 66,935 座變電所的風險推估，可支援電網規畫與韌性分析的多情境快速模擬。
• 微軟研究院指出，在系統實際導入電網運轉前，仍需進一步結合公用事業單位與實際營運數據進行驗證。