Kunstig intelligens: Dette mener IT-gründeren kraftbransjen må tenke på

Kraftbransjen har lite data å mate inn i maskinlæringsmodellene. Dyp bransjekunnskap er nødvendig for å hente ut riktige signaler, mener programvaregründer.

Gavin Jon Bell, gründer og daglig leder i programvareselskapet Optimeering, slår et slag for it-folk som kan kraftbransjen. – Den menneskelige ekspertisen og kunnskapen er avgjørende for å få maskinlæringsmodellene til å gjøre jobben sin riktig, påpeker han.
Gavin Jon Bell, gründer og daglig leder i programvareselskapet Optimeering, slår et slag for it-folk som kan kraftbransjen. – Den menneskelige ekspertisen og kunnskapen er avgjørende for å få maskinlæringsmodellene til å gjøre jobben sin riktig, påpeker han.Foto: Arne Søiland
– Det er en generell oppfatning at man kan samle inn masse data, kaste dataene i en stor haug og sette en kunstig intelligens-robot til å lære seg alt. Dessverre er det ikke sånn det funker. Hvis du prøver å gjøre det, da feiler du, sier Gavin Jon Bell, gründer og daglig leder i programvareselskapet Optimeering til Europower.

Mange hundretusen, eller helst millioner, datapunkter er nødvendig for å finne mønstre gjennom kompleks maskinlæring.

Så mye data har man ikke i kraftbransjen. Med timesoppløsning har aktørene 8760 datapunkter per år.

Selv om man går noen år tilbake og kan jobbe med noen titalls tusen datapunkter, er det fortsatt ikke mye, påpeker Bell.

Krever kontekstualisering

De begrensede datamengdene man har, må struktureres og kontekstualiseres av folk som kjenner fagområdet godt. Med god fagkunnskap er det mulig å designe dataene som mates inn, og modellene som brukes, på en måte som gjør at prognoser og automasjon er basert på de riktige signalene.

«Feature engineering» kalles denne designjobben i it-verden.

– Det nytter ikke å kaste spagettien på veggen og «see if it sticks» for å finne mønstre. Det blir ikke nok spagetti til å lage noe fornuftig, sier Optimeering-sjefen.

Økt interesse for KI

Optimeering er ett av programvare- og konsulentselskapene som er involvert i arbeidet med å etablere nye balansemarkeder. Selskapet har blant annet laget klareringsalgoritmene for Fifty, selskapet Statnett og Svenska Kraftnät har etablerte for å lage felles it-løsninger for å balansere kraftsystemet.

Optimeering og Gavin Jon Bell var egentlig litt for tidlig ute da grunnlaget for selskapet ble lagt for ti år siden. Først de siste årene har kraftbransjen for alvor vist interesse for å bruke kunstig intelligens til å automatisere prosesser. Impala, et Statnett-prosjekt for å forutse ubalanser i driftsøyeblikket (driftstimen), er et av prosjektene på skrytelisten.

I sommer investerte Lyse Vekst, Hafslund Invest og investeringsselskapet Farvatn 18 millioner kroner i Optimeering. Lyse Vekst har vært inne på eiersiden også tidligere, mens Hafslund og Farvatn er nye investorer.

Innen dagen

Ifølge gründeren er Optimeering i den mest kortsiktige delen av markedene, der det handler om å til enhver tid ha like mye produksjon og forbruk av strøm.

– Det vi driver med, er rett og slett rettet mot alt som skjer innen dagen, sier Bell.

Selskapet, som i dag har ti ansatte, leverer «programvare som en tjeneste» (Saas). Erfaring fra kraftbransjen er like viktig som å kunne kode, ifølge Bell.

Den menneskelige ekspertisen og kunnskapen er avgjørende for å få maskinlæringsmodellene til å gjøre jobben sin riktig. Det er ofte glemt når folk tenker på maskinlæring, understreker it-eksperten.

Ikke nok å skjønne

– Det er mange markeder og mye kompleksitet. Det er utfordrende for alle. Selv om du skjønner hvordan de nye markedene for balansering av kraftsystemet fungerer, er det ekstremt krevende å kunne operere og monitorere disse systemene, sier gründeren.

Markedene Bell referer til, er markeder som etableres som en del av Statnetts arbeid med å innføre ny, nordisk balansemodell (NBM). Noen av markedene er allerede på plass, mens resten skal etableres innen 2026.

Eirik Haugen, rådgiver for markedsdesign og systemutnyttelse i Statnett.Foto: Arne Søiland
– Avvik fra markedsposisjonene i energimarkedene gir ubalanser. Dette håndteres ved at Statnett sikrer seg reserver i kapasitetsmarkedene. I driftstimen aktiveres reservene automatisk eller i et aktiveringsmarked, forklarer Eirik Haugen, rådgiver for markedsdesign og systemutnyttelse i Statnett.

Flere må delta

Med mer sol- og vindkraft i systemet, må Statnett sørge for at flere lagrer energi eller har forbruk som følger produksjonen i større grad enn i dag.

For å klare å balansere kraftsystemet, ønsker Statnett at flere små og store forbrukskunder, aktører som planlegger ny industri, eiere av batterier og småkraftverk, samt produsenter av ny fornybar kraft som sol- og vindkraft, bidrar med reservekapasitet.

I dag er det 60 minutters tidsoppløsning i energi- og reservemarkedene. I forbindelse med omleggingen til NBM, endres dette til 15 minutters oppløsning.
– Operatørene går fra å faktisk gjøre balanseringen, til å være den som tuner automatikken, sa Statnett under Norges Energidager.

Det er bare å lære seg aFRR og mFRR med én gang; henholdsvis automatisk og manuell gjenoppretting av frekvens.

– I løpet av de neste årene skjer det et fundamentalt skifte i aFRR-og mFRR-markedene, sier Eirik Haugen.

Må operasjonaliseres

Nye markeder og flere aktører i balansemarkedene er godt nytt for it-selskaper som Optimeering. De som skal handle i systemoperatørenes balanse- og systemtjenestemarkeder, må også oppgradere sin it-infrastruktur.

– Man trenger gode verktøy, gjerne med kunstig intelligens, for å bistå kraftmarkedsoperatører, tradere, produksjonsplanleggere og andre til å gjøre jobben sin. Og det blir enda verre når vi går over til femtenminutters oppløsning, sier Bell.

Optimeering-sjefen og hans folk ser at automasjon står høyt på agendaen i kraftbransjen. Mer nøyaktige data og prognoser er grunnlaget for automatiseringen, mener de.

– Det vi fokuserer på i dag, er hvordan prognoseverktøyene, basert på kunstig intelligens, operasjonaliseres ute hos kraftmarkedsaktørene, sier han.

(Vilkår)
Publisert 25. October 2023, kl. 03.01Oppdatert 25. October 2023, kl. 03.01
OptimeeringGavin Jon BellStatnettNBMEirik Haugen