Microsoft anticipe les tempêtes solaires 60 minutes avant

Microsoft a développé un pipeline d’apprentissage automatique qui produit des estimations de risque localisées pour 66 935 sous-stations électriques dans les États-Unis continentaux. Le système peut avertir les opérateurs du réseau entre 30 et 60 minutes avant l’apparition d’un risque précis. Il a détecté près de 80 % des événements météorologiques spatiaux majeurs pendant sa période d’évaluation. Cette approche vise à estimer le moment et le lieu où les effets d’une tempête pourraient devenir les plus sévères. Les événements spatiaux extrêmes peuvent induire des courants dans les réseaux de transport, endommager certains équipements et augmenter les risques opérationnels pour les infrastructures électriques. (Microsoft Research)

La tempête de mai 2024 a conduit des entreprises électriques d’Amérique du Nord à se préparer à de possibles impacts. Cette période a illustré l’intérêt d’estimations localisées, au-delà d’une simple alerte signalant l’approche d’une tempête. La prévision doit aussi indiquer quand les effets pourraient apparaître et quelles zones seraient les plus exposées. Le pipeline a été évalué sur la période 2020-2026. Ses prévisions couvrent presque toute la plage observée d’activité de l’Auroral Electrojet, ou AE. Cette activité sert ici à caractériser l’intensité des perturbations géomagnétiques. La construction d’une chaîne complète reste complexe, car le vent solaire évolue rapidement et interagit de façon irrégulière avec la magnétosphère terrestre.

Microsoft mesure les risques localisés

Les résultats chiffrés distinguent trois niveaux d’événements. Le système atteint un taux de détection de 76,5 % pour les événements majeurs, définis par une variation d’au moins 10 nT par minute. Il atteint 81,2 % pour les événements sévères, à partir de 20 nT par minute. Le taux s’établit à 64,1 % pour les événements extrêmes, à partir de 50 nT par minute. Globalement, le pipeline a détecté près de 80 % des événements majeurs durant l’évaluation. Ces résultats décrivent une capacité de détection mesurée sur une période donnée. Ils ne constituent pas une garantie de détection pour chaque future tempête ou pour chaque sous-station surveillée.

Le modèle a dépassé l’équation de Burton pendant 62,2 % des heures individuelles observées lors de périodes géomagnétiquement actives. Cette comparaison porte sur la performance de prévision entre le modèle d’apprentissage automatique et cette équation. Le modèle a aussi généré des prévisions couvrant presque toute la plage d’activité AE observée entre 2020 et 2026. Les seuils de 10, 20 et 50 nT par minute permettent de distinguer les événements majeurs, sévères et extrêmes. Le système associe ces estimations à 66 935 emplacements de sous-stations. Le code du projet est accessible sur GitHub, tandis que Rohan Kannan figure parmi les liens associés au projet.

Le système prévient avant l’impact

L’alerte opérationnelle fournit une fenêtre de 30 à 60 minutes avant l’apparition d’un risque spécifique. Cette durée peut donner aux opérateurs un repère temporel pour examiner les sous-stations concernées. Le pipeline ne produit donc pas seulement une estimation générale de l’activité spatiale. Il fournit des résultats associés à des emplacements précis du réseau continental américain. Durant la tempête géomagnétique de mai 2024, des entreprises électriques nord-américaines s’étaient préparées à de possibles impacts. Les taux mesurés varient toutefois selon la gravité retenue. Ils atteignent 81,2 % pour les événements sévères, mais 64,1 % pour les événements extrêmes selon les seuils indiqués.