Power Grids
PulseAugur coverage of Power Grids — every cluster mentioning Power Grids across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Microsoft ML 管道预测电网空间天气风险
Microsoft Research 开发了一个机器学习管道，用于预测电网的空间天气风险。该系统结合了太阳风活动的预报，特别是极光电流（AE）和地磁扰动时间（Dst）指数，以及当地地质数据，以估计地磁感应电流（GICs）的风险。该管道可以为电网运营商提供近 80% 的重大空间天气事件的 30 到 60 分钟预警，有助于保护关键基础设施。
-
AI 方法通过 98.43% 的生存率提升电网稳定性
研究人员开发了一种受 AlphaZero 启发的蒙特卡洛树搜索 (MCTS) 方法，用于电力网络的自主拓扑控制。该方法旨在管理拥堵并维持电网稳定，尤其是在可再生能源整合日益增加的情况下。研究发现，优化的 AlphaZero 方法达到了 98.43% 的峰值生存率，优于近端策略优化 (PPO) 变体。关键发现表明，使用简单的二元生存奖励和受限的线路负荷观测空间，在没有先验策略或价值函数指导的情况下，可以提高训练效率和有效性。
-
AI的电力需求给数据中心和电网带来压力
人工智能的快速增长正在产生巨大的电力需求，给现有的数据中心和电网带来压力。这种不稳定的能源消耗正在导致以AI为中心的数据设施出现运营问题，并给电力供应商带来挑战。这种压力凸显了对广泛部署AI的可持续性和基础设施需求的日益增长的担忧。
-
人工智能数据中心给电网带来压力，导致基础设施面临昂贵的挑战
人工智能数据中心的快速扩张正在给电网带来压力，导致能源基础设施开发面临复杂问题。满足人工智能硬件巨大的电力需求而建造新的发电厂和输电线路可能需要长达十年，这比数据中心本身的建设时间要长得多。这一瓶颈正在推动创新但非传统的解决方案，例如使用改装的喷气发动机进行现场发电，因为公司正努力跟上人工智能热潮不断增长的能源需求。
-
谷歌称人工智能增长速度超过电网脱碳进程
谷歌的 2026 年环境报告显示，人工智能基础设施的快速扩张正在超过电网的脱碳努力。尽管谷歌实现了年度可再生能源消耗目标，但由于人工智能服务，其 2025 年用电量增加了 37%。谷歌现在正在探索灵活的数据中心负载作为电网资源，以管理高峰需求并支持新产能。
-
人工智能计算不可预测的电力需求给全球电网带来压力
人工智能计算的蓬勃发展给全球电网带来了前所未有的压力，这已不仅仅是能源消耗问题，更是电网稳定性问题。人工智能工作负载，特别是训练的同步性以及推理的不可预测模式，会导致电力需求快速且局部化波动，给传统电网管理带来挑战。这种动态负载变化与可再生能源的间歇性不同，需要新的电网规划和运营方法，有人建议转向专门的核能为数据中心供电，以确保可持续扩展。
-
新的防御方法增强了深度神经网络抵御电网网络攻击的能力
研究人员开发了一种名为伪特征填充（Pseudo-Feature Padding）的新型防御机制，用于保护网络物理系统（CPS）中使用的深度神经网络（DNN）免受虚假数据注入攻击（FDIA）的侵害。这种轻量级、模型无关的方法引入了一个额外的输入层，该层根据输入的统计分布从输入样本中随机填充伪特征值。这种随机化使得对抗性攻击在计算上不可行，并在不改变核心DNN架构的情况下增强了模型的鲁棒性。该框架在电网应用中得到了成功测试，证明了模型在攻…