周五上午(9月27日)，飓风“海伦”在佛罗里达州登陆并向北移动，造成超过400万人断电。

　　这是最新的一场风暴，表明在气候变化的影响下，公用事业公司越来越容易受到极端天气事件的影响，而极端天气事件正变得越来越常见和激烈。

　　“有很多不同的迹象表明，与气候相关的天气会给基础设施带来风险，”密歇根大学(University of Michigan)公共政策教授凯蒂·豪斯曼(Catie Hausman)说。这些风险包括飓风、洪水、野火、热浪和增加的龙卷风风险，以及在不太习惯这些风险的地区出现的寒流。

　　极端天气使电网日益紧张，这是美国主要停电的头号原因。在美国的一些地区，随着飓风的增强，未来几十年飓风导致停电的风险可能会增加50%。

　　非盈利机构电力研究所(Electric power Research Institute)的能源系统和气候分析研究员安德里亚·斯塔德(Andrea Staid)说，风和雨是导致电网紧张的主要因素。该研究所的模型显示，随着越来越多的飓风影响墨西哥湾和大西洋沿岸，如果电网不改变，将会发生更多的停电。

　　斯塔德说:“飓风不仅仅是沿海地区的问题。“我们的模型显示，这些风暴可以在强风的情况下向内陆移动很远，所以我们需要确保人们和社区拥有准备所需的信息和资源。”

　　现在，为了更好地预测风暴即将到来，以及如何从依赖化石能源的电网中转型，公用事业公司正在寻求由人工智能驱动的新一代技术。

　　豪斯曼说，虽然她不知道人工智能是否是加固电网的正确方法，但需要现代数据和计算来理解这些问题。

　　豪斯曼说:“人工智能是给我们带来新东西，还是一个黑盒子，这将取决于公司和他们使用的工具。”

　　什么是清楚的?公用事业公司需要花费大量资金来更新他们的电力系统，以应对现在和未来的风暴。

　　全球研究公司落基山研究所(Rocky Mountain Institute)的无碳电力项目董事总经理马克·戴森(Mark Dyson)说，“我们对电网的看法仍与过去100年一样，而且越来越明显，需要改变。”

　　戴森说:“极端天气、老化的基础设施和新技术以一种方式结合在一起，为使用更好的技术创造了机会，包括人工智能驱动的软件，帮助我们保持电力供应，并保持电网的可承受性。”

　　Rhizome是这个新兴行业的最新参与者之一，该公司成立于2022年，利用人工智能驱动的技术帮助电力公司识别和规划可能导致电力故障的漏洞。

　　“Rhizome的人工智能平台方法是从根本上理解飓风条件和电网影响之间的关系，”Rhizome的联合创始人米沙勒·塔达尼(Mishal Thadani)说。该公司从数千起与飓风有关的资产故障及其原因中收集的数据点，可以向公用事业公司展示飓风带来的长期风险，帮助他们找出在哪里加固电线杆、将电线移至地下或砍伐植被。

　　Thadani说:“最终，我们能够预测未来每一美元的公用事业投资将减少多少与飓风有关的潜在停电。”

　　豪斯曼说，弄清楚如何加固电网和扩大国家的输电网络，可以降低消费者的成本，使更多的可再生能源上网，减少停电。

　　大多数公用事业公司已经在使用一些机器学习或人工智能技术，前公用事业高管、Rhizome投资者博加·吉尔伯森(Booga Gilbertson)说。目前，最耀眼的人工智能编程类型是微软(Microsoft)的ChatGPT或谷歌(Google)的Gemini等语言模型。Gilbertson说，十多年来，机器学习一直在梳理大量令人难以置信的数据。

　　“似乎每个月都会有一个新来者进入这个领域，”她说。“像这样的产品对市场来说相对较新，人工智能和计算能力的出现使它们更容易获得。这是一种工具，现在可以放在他们的工具箱里。”

　　人工智能也是一个众所周知的能源大户，到本十年末，它可能会使美国的电力需求增加20%。但美国和其他全球大国一样，希望在人工智能领域引领世界。今年9月，白宫召集了一批公用事业公司、人工智能公司和数据中心运营商，为未来制定战略。

　　随着该国的输电系统在日益增长的电气化和不断变化的发电组合的压力下挣扎，越来越多的人工智能驱动产品可能会扭转人工智能在气候变化方面的坏名声。

　　戴森说:“我怀疑，就维持一个负担得起的、可靠的电网而言，我们花费的能源量将超过其本身的回报。”但支持这种怀疑的数据还不存在。这个行业非常不成熟，我们还不知道哪些行业会从人工智能中获益最多。”

　　随着新公司进入这个领域，人工智能气候建模仍然有点像一个狂野的西部。

　　太平洋西北国家实验室首席科学家安德烈·科尔曼领导的团队开发了一个名为RADR-Fire的项目，为野火建立风险预测模型。他说，这些模型也适用于其他危险事件，如热带气旋、极端降雨和极端高温，这些事件将一直持续到2100年。

　　科尔曼说:“特别是当我们谈论评估灾害事件的风险时，我们必须非常非常确定这些机器学习模型正在做什么，特别是对于独特或异常事件。”

　　科尔曼希望合作确保方法和模型相同，然后使所有数据可访问，特别是对于资源较少的小型公用事业，如农村合作社。

　　“你最终会得到大量的人，他们使用各种不同的数据集进行这种风险建模;有些是合适的，有些则不然。”“这些都是我非常担心的事情。——《纽约时报

　　×