Οι δασικές πυρκαγιές εμφανίζονται όλο και πιο συχνά και με μεγαλύτερη ένταση σε Ευρώπη και ΗΠΑ και έχουν «αναγκάσει» τις ενεργειακές εταιρείες να επωμιστούν τεράστιες ευθύνες, τόσο οικονομικές όσο και νομικές. Οι ζημίες από τις καταστροφές που προκαλούνται από εξοπλισμό ηλεκτροδότησης, όπως η τραγωδία του Camp Fire στην Καλιφόρνια, που οδήγησε την PG&E σε πτώχευση το 2019, έχουν κινητοποιήσει τους παρόχους να αναζητήσουν νέες λύσεις για την πρόληψη πυρκαγιών. Ανάμεσα σε αυτές δεν θα μπορούσε να λείπει και η Τεχνητή Νοημοσύνη (AI), η οποία προσφέρει καινοτόμες και οικονομικά αποδοτικές μεθόδους ελαχιστοποίησης του κινδύνου.
Η προσέγγιση αυτή αξιοποιείται από εταιρείες όπως η Overstory και η Rhizome, οι οποίες χρησιμοποιούν αλγορίθμους μηχανικής μάθησης για την ανάλυση δορυφορικών εικόνων υψηλής ανάλυσης και άλλων δεδομένων, σύμφωνα με το Bloomberg. Μέσω αυτής της τεχνολογίας, μπορούν να εντοπιστούν ευάλωτα δέντρα που κινδυνεύουν να πέσουν ή να ρίξουν κλαδιά πάνω σε γραμμές υψηλής τάσης, καθώς και περιοχές όπου η ξηρή βλάστηση αυξάνει τον κίνδυνο ανάφλεξης. Τα δεδομένα αυτά μετατρέπονται σε προτάσεις συντήρησης, όπως κοπή συγκεκριμένων δέντρων ή αντικατάσταση στρεβλωμένων στύλων, μειώνοντας έτσι σημαντικά την πιθανότητα πρόκλησης πυρκαγιάς.
Τα πλεονεκτήματα της χρήσης AI
Η πρακτική αυτή προσφέρει σημαντικά πλεονεκτήματα σε σχέση με τις παραδοσιακές μεθόδους επιθεώρησης. Η PG&E, για παράδειγμα, συνεργάζεται με την Overstory για την καταγραφή της ακριβούς θέσης και κατάστασης χιλιάδων δέντρων στην περιοχή ευθύνης της, που εκτείνεται σε πάνω από 500 μίλια στην Καλιφόρνια. Αντί να στέλνονται εργαζόμενοι επί τόπου ή να χρησιμοποιούνται ελικόπτερα, η AI επιτρέπει τον γρήγορο και αποτελεσματικό εντοπισμό περιοχών υψηλού κινδύνου, μειώνοντας τα κόστη και αυξάνοντας την αποτελεσματικότητα των μέτρων πρόληψης.
Στο Ηνωμένο Βασίλειο, η National Grid συνεργάζεται με τη Rhizome, αξιοποιώντας το εργαλείο gridFIRM για την ανάλυση του δικτύου διανομής. Το λογισμικό λαμβάνει υπόψη πληθώρα πληροφοριών, από τις τοπικές καιρικές συνθήκες και τα ιστορικά συντήρησης μέχρι τη γεωγραφία και την πυκνότητα του πληθυσμού στις γύρω περιοχές. Με αυτόν τον τρόπο, οι υπεύθυνοι μπορούν να αποφασίζουν ποιες παρεμβάσεις θα έχουν τη μεγαλύτερη απόδοση για το κόστος τους, από την κοπή δέντρων μέχρι την αντικατάσταση εύφλεκτων στύλων ή την τοποθέτηση νέου εξοπλισμού ασφαλείας.
Η σημασία των τεχνολογιών αυτών γίνεται εύκολα αντιληπτή εάν εξετάσει κανείς τις επιπτώσεις των πυρκαγιών. Η Edison International, για παράδειγμα, αντιμετωπίζει νομικές διεκδικήσεις για τη σύνδεσή της με την τραγωδία στο Eaton Fire της Καλιφόρνιας, όπου 19 άνθρωποι έχασαν τη ζωή τους. Ανάλογα περιστατικά δείχνουν πως τα παραδοσιακά μέτρα, όπως η περιοδική κοπή δέντρων, αν και απαραίτητα, δεν επαρκούν για την πλήρη μείωση κινδύνου, ειδικά σε περιοχές όπου η κλιματική αλλαγή επιφέρει ξηρασίες, υψηλές θερμοκρασίες και αυξημένη εξάπλωση ασθενειών στα δέντρα.
Η τεχνητή νοημοσύνη επιτρέπει στις επιχειρήσεις να προσαρμόζουν τα προγράμματα συντήρησης σε νέες συνθήκες. Όπως επισημαίνει η Fiona Spruill, CEO της Overstory, τα δέντρα πεθαίνουν πλέον με διαφορετικούς τρόπους και σε διαφορετικούς ρυθμούς απ’ ό,τι πριν από μια δεκαετία, πράγμα που καθιστά αναγκαία τη συνεχή ενημέρωση και ευελιξία στα μέτρα πρόληψης. Παράλληλα, είναι πιο φθηνό και αποτελεσματικό να φροντίζεις μόνο τα δέντρα και τα σημεία που κινδυνεύουν, παρά να κόβεις ή να θάβεις τα πάντα γύρω από τις γραμμές, κάτι που μπορεί να κοστίσει εκατομμύρια δολάρια ανά μίλι.
Διαβάστε ακόμη
