识别国家电网故障就像大海捞针。遍布美国的数十万个相互关联的传感器实时捕获电流、电压和其他关键信息的数据，通常每秒记录多次。麻省理工学院IBM沃森人工智能实验室的研究人员设计了一种计算效率高的方法，可以实时自动查明这些数据流中的异常情况。他们证明了他们的人工智能方法，即学习对电网互联性建模的方法，在检测这些故障方面比其他一些流行技术要好得多。

　　由于他们开发的机器学习模型不需要电网异常的注释数据来进行训练，因此它更容易应用于现实世界中，因为在现实世界中，往往很难获得高质量的标记数据集。该模型也很灵活，可以应用于大量互连传感器收集和报告数据的其他情况，如交通监控系统。这种基于规则的系统，即使是通过统计数据分析，也需要大量劳动力和专业知识。新方法可以自动化这个过程，还可以使用先进的机器学习技术从数据中学习模式。

　　资讯来源：http://news.mit.edu/