A Reproducible Method for Mapping Electricity Transmission Infrastructure for Space Weather Risk Assessment

Technische Samenvatting: Een Reproduceerbare Methode voor het Kaartleggen van Elektriciteitstransmissie-infrastructuur met Behulp van Remote Sensing voor Ruimtetweerisico-evaluatie

Probleemstelling
De beoordeling van ruimteweer risico's, specifiek Geomagnetisch Geïnduceerde Stromen (GIC's), wordt momenteel beperkt door een gebrek aan gedetailleerde, publiek beschikbare assetgegevens. Accurate GIC-modellering vereist gedetailleerde parameters van het elektriciteitsnet, inclusief transformatorconfiguraties, netwerktopologie en aardingsweerstanden. Dergelijke gegevens worden echter zelden gedeeld door netbeheerders vanwege veiligheidsbezwaren (Critical Energy Infrastructure Information, of CEII), en bestaande open-source datasets zoals OpenStreetMap (OSM) missen het detailniveau op componentniveau dat noodzakelijk is voor op fysica gebaseerde risico-evaluatie. Hoewel synthetische elektriciteitsnetten zijn ontwikkeld om deze kloof te dichten, slagen ze er vaak niet in om specifieke risicoheteluchtpunten of de werkelijke structurele kenmerken van regionale netten vast te leggen, wat leidt tot aanzienlijke onzekerheid in kwetsbaarheidsanalyses.

Methodologie
De auteurs stellen een reproduceerbare, open-source methodologie voor om grove OSM-locaties van onderstations om te zetten in hoogresolutie, component-specifieke mapping van elektriciteitstransmissie-activa. Het proces is georganiseerd in drie fasen:

1. Technisch Softwareontwerp en Data-integratie: De auteurs hebben een aangepast webgebaseerd annotatieplatform ontwikkeld met behulp van de Google Maps Static API en AWS. Deze tool integreert OSM-locaties van onderstations met hoogresolutiebeelden van Google Earth (satelliet, luchtfoto's en Street View). Gebruikers kunnen transmissielijnen uit de Homeland Infrastructure Foundation-Level Data (HIFLD)-database in- en uitschakelen om verbindingen te visualiseren.
2. Initiële Assetannotatie: Met behulp van de webinterface identificeren en labelen annotatoren visueel individuele componenten binnen 1.313 hoogspannings (>115 kV) onderstations in de Verenigde Staten. Componenten omvatten transformatoren (geclassificeerd op type en fase), schakelaars (dode-tank versus levende-tank), hoogspanningslijnen, reactoren en alternatieve energiebronnen.
3. Verfijning en Validatie: De dataset ondergaat een iteratieve verfijning, inclusief validatieworkshops met domeinexperts om ambiguïteiten op te lossen (bijvoorbeeld het onderscheid maken tussen banken van enkelfasige transformatoren en driefasige eenheden). De definitieve dataset is gestructureerd voor analyse in GeoJSON- of CSV-indeling.

Belangrijkste Bijdragen

• Datasetuitbreiding: De studie breidt de beschikbare data uit van 1.313 OSM-onderstationslocaties naar 52.273 geannoteerde componenten, waaronder 7.949 geïdentificeerde transformatoren.
• Detailniveau op Componentniveau: De methode legt specifieke assettypes en aantallen vast, en onthult dat ongeveer 79,6% van de componenten is aangesloten op spanningsniveaus >345 kV, die het meest vatbaar zijn voor GIC's.
• Reproduceerbare Pipeline: De auteurs bieden een volledig open-source workflow (code beschikbaar op GitHub) die onderzoekers in staat stelt hun eigen onderstationsdatasets te genereren zonder toegang tot proprietaire operatorgegevens.
• Trainingsdata voor Automatisering: De geannoteerde dataset dient als gelabelde trainingsset voor toekomstige machine learning-modellen gericht op het automatiseren van het tellen en classificeren van transformatoren op basis van satellietbeelden.

Resultaten
De methodologie werd toegepast om een geospatiale GIC-netwerk voor de regio van de Tennessee Valley Authority (TVA) te construeren en getest tegen de geomagnetische storm van Gannon in mei 2024:

• Modelvalidatie: Het open-source netwerk werd vergeleken met het synthetische UIUC150-netwerk en werkelijke GIC-metingen van 13 TVA-monitoringapparaten.
• Statistische Overeenstemming: Het open-source netwerk produceerde een piek van de grondstroom (GIC) bij het 95e percentiel van 37,2 A, wat binnen 4% ligt van de 35,8 A gegenereerd door het synthetische UIUC150-netwerk onder dezelfde geo-elektrische dwangkrachten.
• Temporele Morfologie: De gemodelleerde tijdreeks ving de temporele structuur van de storm op monitoringlocaties globaal op, met Pearson-correlatiecoëfficiënten variërend van 0,05 tot 0,67 (mediaan 0,34) over de 13 apparaten.
• Regionale Verbeteringen: De studie identificeerde aanzienlijke toenames in de resolutie van UHV (>345 kV) onderstations in vergelijking met OSM-baselines, met stijgingen van 51% in het westelijke gebied, 871% in het centrale gebied en 84% in het oostelijke gebied.

Betekenis en Claims
Het artikel beweert dat deze methode regionale GIC-screening en stormtijd-nowcasting mogelijk maakt zonder toegang te vereisen tot beschermde operationele parameters van netbeheerders. Door aan te tonen dat een open-source netwerk stormtijd-grondstromen kan reproduceren die vergelijkbaar zijn met synthetische netwerken die de gemeenschapsstandaard vormen, betogen de auteurs dat gedetailleerde data op componentniveau kan worden afgeleid van publieke beelden ter ondersteuning van kwetsbaarheidsbeoordelingen.

De auteurs positioneren dit werk als een cruciale stap naar verbetering van het "blootstellings"-component van ruimteweer-risicokaders. Zij stellen dat, hoewel de dataset een statisch momentopname vertegenwoordigt en vertrouwen stelt op visuele classificatie (wat beperkingen heeft wat betreft resolutie en ondergrondse infrastructuur), het een voldoende basis biedt voor regionale risico-evaluatie. Bovendien biedt de methodologie een weg voor nutsbedrijven om de open-source baseline te verfijnen met hun eigen gemeten data voor hun specifieke servicegebieden, terwijl ze tegelijkertijd een model van het bredere net behouden, waarmee ze de langdurige uitdaging aanpakken van het modelleren van onderling afhankelijke infrastructuur zonder gevoelige buurdata te delen.