En las últimas décadas, los fenómenos meteorológicos extremos no sólo se han vuelto más graves, sino que también ocurren con mayor frecuencia. Cerca de se centra en permitir que las empresas de servicios públicos y los proveedores de energía creen modelos de sus redes eléctricas y cualquier cosa que pueda afectarlas, como incendios forestales o inundaciones. La startup con sede en Redfern, Nueva Gales del Sur, Australia, lanzó recientemente productos de inteligencia artificial y aprendizaje automático que crean modelos de redes a gran escala y evalúan riesgos sin tener que realizar encuestas manuales.
Desde su lanzamiento comercial en 2019, Neara ha recaudado un total de 45 millones de dólares australianos (alrededor de 29,3 millones de dólares) de inversores como Square Peg Capital, Skip Capital y Press Ventures. Entre sus clientes se encuentran Essential Energy, Endeavor Energy, SA Power Networks. También está asociado con Southern California Edison Co y EMPACT Engineering.
Las funciones basadas en inteligencia artificial y aprendizaje automático de Neara ya forman parte de su paquete tecnológico y han sido utilizadas por empresas de servicios públicos de todo el mundo, incluidas Southern California Edison, SA Power Networks y Endeavor Energy en Australia, ESB en Irlanda y Scottish Power.
El cofundador Jack Curtis le dice a TechCrunch que se gastan miles de millones en infraestructura de servicios públicos, incluido el mantenimiento, las actualizaciones y el costo de la mano de obra. Cuando algo sale mal, los consumidores se ven afectados inmediatamente. Cuando Neara comenzó a integrar capacidades de inteligencia artificial y aprendizaje automático en su plataforma, fue para analizar la infraestructura existente sin inspecciones manuales, lo que, según él, a menudo puede ser ineficiente, inexacto y costoso.
Luego, Neara aumentó sus funciones de inteligencia artificial y aprendizaje automático para poder crear un modelo a gran escala de la red y el entorno de una empresa de servicios públicos. Los modelos se pueden utilizar de muchas maneras, incluida la simulación del impacto del clima extremo en el suministro de electricidad antes, después y durante un evento. Esto puede aumentar la velocidad de restauración de la energía, mantener seguros a los equipos de servicios públicos y mitigar el impacto de los eventos climáticos.
“La creciente frecuencia y severidad de las condiciones climáticas adversas motiva el desarrollo de nuestros productos más que cualquier evento en particular”, dice Curtis. “Recientemente ha habido un aumento de fenómenos meteorológicos severos en todo el mundo y la red se está viendo afectada por este fenómeno”. Algunos ejemplos son la tormenta ishaque dejó a decenas de miles de personas sin electricidad en el Reino Unido, tormentas invernales que provocó apagones masivos en todo Estados Unidos y Tormentas ciclónicas tropicales en Australia que dejan vulnerable la red eléctrica de Queensland.
Mediante el uso de inteligencia artificial y aprendizaje automático, los modelos digitales de redes de servicios públicos de Neara pueden preparar a los proveedores de energía y a los servicios públicos para ellos. Algunas situaciones que Neara puede predecir incluyen dónde los fuertes vientos podrían causar apagones e incendios forestales, niveles de agua de inundaciones que significan que las redes necesitan cortar su energía y acumulaciones de hielo y nieve que pueden hacer que las redes sean menos confiables y resilientes.
En términos de entrenamiento del modelo, Curtis dice que la IA y el aprendizaje automático estaban “integrados en la red digital desde el principio”, siendo LiDAR fundamental para la capacidad de Neara de simular eventos climáticos con precisión. Agrega que su modelo de inteligencia artificial y aprendizaje automático fue entrenado “en más de un millón de millas de territorio de red diverso, lo que nos ayuda a capturar matices aparentemente pequeños pero de gran importancia con hiperprecisión”.
Esto es importante porque en escenarios como una inundación, una diferencia de un solo grado en la geometría de elevación puede dar como resultado un modelado de niveles de agua inexactos, lo que significa que las empresas de servicios públicos podrían necesitar energizar las líneas eléctricas antes de lo necesario o, por otro lado, mantener la energía encendida por más tiempo del necesario. seguro.
Los cofundadores de Neara, Daniel Danilatos, Karamvir Singh y Jack Curtis
Las imágenes LiDAR son capturadas por empresas de servicios públicos o empresas de captura de terceros, en lugar de LiDAR. Algunos clientes escanean sus redes para introducir continuamente nuevos datos en Neara, mientras que otros los utilizan para obtener nuevos conocimientos a partir de datos históricos.
“Un resultado clave de la ingesta de estos datos LiDAR es la creación del modelo de gemelo digital”, afirma Curtis. “Ahí es donde reside el poder, a diferencia de los datos LiDAR sin procesar”.
Un par de ejemplos del trabajo de Neara incluyen Southern California Edison, donde su objetivo es la “prescripción automática”, o identificar automáticamente dónde es probable que la vegetación se incendie con mayor precisión que los estudios manuales. También ayuda a los inspectores a indicar a los equipos de inspección adónde ir, sin ponerlos en riesgo. Dado que las redes de servicios públicos suelen ser enormes, se envían diferentes inspectores a diferentes áreas, lo que significa múltiples conjuntos de datos subjetivos. Curtis dice que usar la plataforma de Neara mantiene los datos más consistentes.
En este caso de Southern California Edison, Neara utiliza LiDAR e imágenes satelitales y simula cosas que contribuyen a la propagación de incendios forestales a través de la vegetación, incluida la velocidad del viento y la temperatura ambiente. Pero algunas cosas que hacen que predecir el riesgo de la vegetación sea más complejo es que Southern California Edison necesita responder más de 100 preguntas para cada uno de sus postes eléctricos debido a las regulaciones y también debe inspeccionar su sistema de transmisión anualmente.
En el segundo ejemplo, Neara comenzó a trabajar con SA Power Networks en Australia después de la crisis de inundaciones del río Murray de 2022-2023, que afectó a miles de hogares y empresas y se considera uno de los peores desastres naturales que ha azotado el sur de Australia. SA Power Networks capturó datos LiDAR de la región del río Murray y utilizó Neara para realizar modelos digitales del impacto de las inundaciones y ver qué parte de su red resultó dañada y cuánto riesgo persistía.
Esto permitió a SA Power Networks completar un informe en 15 minutos que analizaba 21.000 tramos de líneas eléctricas dentro del área de inundación, un proceso que de otro modo habría llevado meses. Gracias a esto, SA Power Networks pudo volver a energizar las líneas eléctricas en cinco días, en comparación con las tres semanas que había previsto originalmente.
El modelado 3D también permitió a SA Power Networks modelar el impacto potencial de varios niveles de inundación en partes de sus redes de distribución de electricidad y predecir dónde y cuándo las líneas eléctricas podrían violar las autorizaciones o estar en riesgo de desconexión eléctrica. Después de que los niveles del río volvieron a la normalidad, SA Power Networks continuó utilizando el modelo de Neara para ayudarlo a planificar la reconexión de su suministro eléctrico a lo largo del río.
Actualmente, Neara está realizando más investigación y desarrollo en aprendizaje automático. Uno de los objetivos es ayudar a las empresas de servicios públicos a obtener más valor de sus datos históricos y en vivo existentes. También planea aumentar la cantidad de fuentes de datos que se pueden utilizar para el modelado, centrándose en el reconocimiento de imágenes y la fotogrametría.
La startup también está desarrollando nuevas funciones con Essential Energy que ayudarán a las empresas de servicios públicos a evaluar cada activo, incluidos los postes, en una red. Actualmente, los activos individuales se evalúan en función de dos factores: la probabilidad de que se produzca un evento como el clima extremo y qué tan bien podría resistir en esas condiciones. Curtis dice que este tipo de análisis de riesgo/valor generalmente se ha realizado manualmente y a veces no previene fallas, como en el caso de los apagones durante los incendios forestales de California. Essential Energy planea utilizar Neara para desarrollar un modelo de red digital que podrá realizar análisis más precisos de los activos y reducir los riesgos durante los incendios forestales.
“Básicamente, estamos permitiendo que las empresas de servicios públicos estén un paso por delante del clima extremo al comprender exactamente cómo afectará su red, permitiéndoles mantener las luces encendidas y sus comunidades seguras”, dice Curtis.