AI
太陽嵐から電力網を守る――MicrosoftがMLで変電所6万9千カ所のリスクを30〜60分前に予測
2026/10/02
太陽嵐が電力網に与えるリスク
2024年5月に発生した大規模地磁気嵐は、北米全域の電力会社に緊急対応を迫り、オーロラが通常の観測範囲をはるかに超えて広がった。この嵐はGPS精度を低下させ、衛星運用にも影響を与えただけでなく、北米・欧州の農業オペレーションにも打撃を与えたと伝えられている。
極端な宇宙天気イベントは、送電網に「地磁気誘導電流（GIC: Geomagnetically Induced Current）」を生じさせ、機器を損傷・劣化させるリスクがある。問題は嵐の接近を知るだけでなく、「いつ・どこで」被害が最も深刻になるかを、電力会社が対応できるだけの余裕をもって予測することだ。
3段階のエンドツーエンドパイプライン
Microsoft Researchのサマーインターンとして開発されたこのシステムは、米国本土にある 66,935カ所の変電所 を対象に、宇宙天気リスクを30〜60分前に予測する機械学習パイプラインだ。
パイプラインは次の3段階で構成される。
- 入力データの収集・整形: L1ラグランジュ点での太陽風観測値を使い、オーロラ電気ジェット指数（AE）と磁気嵐指数（Dst）の予測を生成。同時に各変電所の地質学的導電率・緯度・送電線方向などの地点固有データを組み合わせる。
- GICリスク推定: 勾配ブースティングモデルが、上記の予測値と地点情報をもとに、GICリスクの指標となる地磁気変化率 dB/dt を推定する。
- 大陸規模リスクマップ生成: 推定値を変電所ごとのリスク評価に変換し、大陸全体の俯瞰的なリスクアセスメントを出力する。
データソースはすべて公開情報であり、NASA OMNI、NASA経由の京都世界データセンターデータ、INTERMAGNET、米国地質調査所（USGS）の磁力計観測、そしてGridSFM由来のグリッドデータが用いられたとされている。また、パイプライン全体の特徴量探索・検証戦略・モデル構成の探索には 50基のAIエージェント が活用されたと報告されている。
評価結果：主要イベントの約80%を検出
AE・Dst予測の精度
2020〜2026年の評価期間において、AE予測モデルはRMSE 410.2 nT を達成し、経験的な太陽風ベースの手法や太陽風のみを使ったベースラインより低いRMSEを示したと報告されている。
Dst予測はRMSE 7.2 nT を記録。ピーク活動時間帯において古典的なバートン方程式を 62.2% の時間で上回り、AE予測と組み合わせることで最終的なGICシステムの重大嵐検出率を 1.2ポイント 向上させたとされている。
GICリスク検出率
直接比較できる既存の運用システムがないため、単純線形回帰との比較が行われた。評価期間における検出率は以下の通りと報告されている。
- 主要イベント（≥10 nT/min）: 76.5%
- 重大イベント（≥20 nT/min）: 81.2%
- 極端イベント（≥50 nT/min）: 64.1%
地磁気活動が最も強い北部の観測点で最高の検出率が得られており、誤報率は嵐の深刻度が増すにつれて上昇するトレードオフも確認されているという。
推論速度と大陸スケールの可視化
最終段階では、嵐の状況と各変電所の緯度・地質係数を組み合わせ、dB/dtの連続的なリスク推定値を生成する。米国大陸全土の66,935変電所を対象とした推論は、測定時において約 333ミリ秒 で完了するとされており、複数シナリオの高速評価が可能だとされている。
ブログで公開されているデモマップは実際の運用イベントの記録ではなく、代表的な大規模嵐シナリオでのモデル出力を示したものだと明記されている。
今後の課題と展望
Microsoft Researchは今後の方向性として以下を挙げている。
- 予測ホライズンの拡張: 時系列トランスフォーマーを活用し、現在の30〜60分を超える長期予測の実現を目指す。
- 国際展開: 異なる地質条件・グリッドトポロジーを持つ地域への適用を検討する。
- グリッド運用への統合: より高度な自動化を検討する前に、既存の意思決定・エンジニアリングレビューワークフローへの組み込みを評価する。
- 変圧器レベルの粒度: 変電所単位の推定から、個別機器レベルのより詳細なリスク評価へ移行する。
またこのシステムはMicrosoft ResearchのAI電力系統研究と連携しており、グリッドトポロジーと潮流解析を組み合わせた総合的なレジリエンスワークフローの構築に向けた取り組みの一環と位置付けられている。ただし、電力グリッドの実運用に活用されるには、電力会社との共同検証や運用データを用いた追加評価が必要だとされている。