过去几十年，极端天气事件频发且日趋严重。澳大利亚新南威尔士州初创公司Neara致力于帮助公用事业公司及能源供应商构建电网及野火、洪水等风险因素模型。其最新推出的AI与机器学习产品，无需人工调查即可大规模建模并评估电网风险。
自2019年商业化以来，Neara已获Square Peg Capital、Skip Capital和Prosus Ventures等投资共计4500万澳元（约2930万美元）。客户涵盖Essential Energy、Endeavour Energy、SA Power Networks等，并与Southern California Edison及EMPACT Engineering建立合作。
Neara的AI功能已集成至技术栈，被全球多家公用事业公司采用，包括美国的Southern California Edison、爱尔兰ESB、英国Scottish Power以及澳大利亚SA Power Networks和Endeavor Energy。
AI驱动电网数字化，提升运维效率
联合创始人Jack Curtis指出，公用事业基础设施维护、升级及人力成本高昂，故障直接影响消费者。Neara将AI/ML集成至平台，旨在替代低效、昂贵且不准确的人工检查，实现对现有基础设施的自动化分析。
随后，Neara扩展了AI能力，可创建公用事业网络及周边环境的超大规模模型。该模型能模拟极端天气对电力供应的影响（事前、事中、事后），从而加快复电速度、保障团队安全并减轻灾害影响。
Curtis表示：“极端天气频率与严重程度的增加是产品开发的核心驱动力。”例如英国伊莎风暴致数万人停电、美国冬季风暴大面积断电，以及澳洲热带气旋暴露昆士兰州电网脆弱性，均印证了这一趋势。
精准预测风险，数字孪生赋能决策
借助AI/ML，Neara的数字模型可助能源商提前备战，预测强风致停电/野火区域、需断电的洪水水位，以及降低网络韧性的冰雪堆积等风险。
在模型训练方面，Curtis强调激光雷达（LiDAR）对准确模拟天气至关重要。其AI模型基于“超100万英里多样化网络区域”训练，能以极高精度捕捉微小但关键的差异。例如在洪水场景中，高程几何结构仅1度偏差即可能导致水位建模失准，引发过早通电或违规供电的安全隐患。
LiDAR数据由公用事业公司或第三方采集。部分客户持续扫描网络以输入新数据，另一些则利用历史数据获取新洞察。Curtis称：“核心成果在于创建数字孪生模型，而非原始LiDAR数据本身。”
实战案例：从野火预警到洪水快速复电
南加州爱迪生公司（SCE）：Neara通过自动识别植被起火风险点，实现比人工更精准的预测，并指导检查团队前往指定区域，避免人员冒险。针对庞大电网中多组主观数据不一致的问题，Neara平台确保了数据标准化。结合LiDAR与卫星图像，系统可模拟风速、气温等因素下的野火传播路径。尽管监管要求每根电线杆回答超100个问题且每年检修输电系统，AI仍有效提升了合规与风控效率。
SA Power Networks：2022-2023年墨累河洪水危机后，该公司利用Neara进行数字洪水影响建模，评估网络受损程度及剩余风险。原本耗时数月的2.1万个线路跨度分析，现仅需15分钟即可完成报告。得益于此，供电恢复时间从原计划三周缩短至五天。此外，三维建模还支持模拟不同水位对配电网络的影响，预测线路安全风险，并在水退后辅助规划复电工作。
未来展望：深化资产风险评估
Neara正加大机器学习研发力度，旨在挖掘实时与历史数据价值，并拓展图像识别、摄影测量等新数据源。
在与Essential Energy的合作中，Neara开发新功能以评估网络内每项资产（含电线杆）的风险。传统人工评估主要考量极端天气概率及资产耐受度，难以完全预防故障（如加州野火期间停电）。通过构建数字网络模型，Essential Energy可实现更精确的资产分析与野火风险管控。
Curtis总结道：“我们让公用事业公司能提前应对极端天气，通过精准掌握其对网络的具体影响，确保电力不中断并保障社区安全。”