Overhead Transmission Line Fragility, Climate-Induced Risks and Geospatial Artificial Intelligence: A Systematic Bibliometric Review

想象一张由无形的输电线构成的巨大网络，横跨各大洲，承载着为我们的家庭照明、为我们的城市供电的电力。几十年来，工程师们设计这些线路时，考虑的是他们所熟知的气候：典型的风暴、常规的热浪和标准的风力。但世界正在发生变化。气候正在转变，带来了更加频繁且剧烈的极端现象——强烈的热浪、猛烈的风暴和肆虐的山火——而这些旧的设计从未针对这些情况进行过设计。当这些线路失效时，其结果不仅仅是灯光闪烁；而是大规模的停电、经济损失以及对社区安全的威胁。为了保护这一关键基础设施，科学家们正转向一种强大的新工具：人工智能。这项技术可以从海量数据中学习，以预测线路可能断裂的时间和地点，但它需要理解周围环境的复杂故事才能有效地发挥作用。

来自南非比勒陀利亚大学的一个研究小组致力于研究科学界在多大程度上将这两个世界联系起来：人工智能的高科技研究与气候变化的物理现实。他们进行了一项系统综述，即对 2,004 年至 2,026 年间发表的数千篇科学论文进行了有条理的检索。他们的目标是观察研究人员是否成功地将用于预测线路故障的计算机模型与天气和地理的现实世界数据结合起来。他们观察了全球趋势、谁在进行研究以及讨论最频繁的主题。他们想知道，正在构建的工具是否真的准备好帮助电力公司在不断变化的气候中生存下来。

研究人员发现，这是一个增长迅速但仍显碎片化的领域。近年来，关于这一主题的研究数量激增，特别是在 2,2022 年之后，这主要受到利用机器学习检测故障兴趣激增的推动。然而，该综述揭示了一个显著的差距。虽然在人工智能、故障诊断和电力系统工程方面存在强大的研究主导地位，但气候、环境和地球科学视角的整合却非常有限。大多数研究仅侧重于其中一个方面。有些纯粹关注电气工程方面，利用计算机来发现断裂的电线；而另一些则关注天气方面，研究风或热如何使铁塔承受压力。很少有研究能够成功地将这些视角融合进一个单一的、完整的图景中，去解释气候和环境是如何共同导致故障的。

这种脱节不仅是一个学术兴趣问题，它具有现实世界的后果。分析显示，研究高度集中在几个特定地区，中国、美国和英国处于领先地位。相比之下，非洲大陆——那里对韧性电力系统的需求迫切，且气候变化迅速——在全球研究版图中代表性不足。作者指出，尽管南非的电力公司 Eskom 管理着数千公里的线路，且这些线路正日益受到极端天气的威胁，但针对该地区特定挑战的已发表研究却非常少。这留下了一个危险的盲点，因为现有文献仍然是碎片化的，缺乏能够充分应对气候和环境变量对架空输电线路可靠性产生的累积多灾害影响的综合端到端地理空间人工智能（Geo-AI）框架。

研究还强调，目前的故障预测方法往往过于简单。许多现有模型只关注单一事件，例如一场风暴或一次热浪，而不是理解多年变化条件下造成的累积损伤。它们倾向于将环境视为背景因素，而不是作为线路为何失效的故事中的核心角色。研究人员发现，虽然存在深度学习和数字孪生（模拟现实世界系统的虚拟模型）等先进工具，但这些工具尚未被用于一种能够充分整合自然界复杂、混乱数据的模式。其结果是一系列碎片化的研究，它们提供了拼图的碎片，却无法呈现完整的图景。

最终，论文得出结论，该领域正处于一个关键时刻。构建更智能、更具韧性的电网的技术已经存在，但科学界尚未建立起连接气候科学数据与人工智能算法所需的桥梁。作者认为，为了让电力系统在未来生存下来，我们需要一种新的方法，将环境和技术视为一个相互关联的整体系统。这意味着要开发出能够追踪热量、风力和植被如何在一段时间内共同削弱线路的框架，并利用这些知识在故障发生前指导维护工作。在实现这种整合之前，全球为保障我们的电网免受变化气候影响所做的努力将是不完整的，这会让许多社区在下一场大风暴来临时依然脆弱不堪。