Tester kunstig intelligens på Kvinesdal kraftstasjon

Forskere bruker maskinlæring til å styre produksjonsplanleggingen på et lite norsk vannkraftverk.

Bernt Viggo Matheussen er forsker og prosjektleder ved Universitetet i Agder. Han jobber også som leder for Agder Energis avdeling for kraftteknologi- og utvikling. På arrangementet Klimafrokost som ble arrangert av Norsk klimastiftelse på Grand Hotell i Oslo i dag holdt han en presentasjon av hvordan kraftbransjen kan få mer ut av mindre ved bruk av kunstig intelligens.

Matheussen forsker på hvordan kunstig intelligens til å løse en rekke problemer, og han jobber mye med hvordan det kan brukes i kraftbransjen. Han beskriver kunstig intelligens som algoritmer og metoder som ligner på hvordan vi mennesker tenker, lærer og kommuniserer, og han trekker frem flere områder der maskinlæring kunstig intelligens har store muligheter til å bidra i kraftbransjen:

  • Automatisering
  • Prognosering
  • Optimalisering
  • Tidsbesparelser
  • Kausale sammenhenger

– Maskinlæring kan etterhvert automatisere alle repetetive oppgaver som mennesker gjør, sier Matheussen.

Et av prosjektene han er involvert i går på bruk av maskinlæring til å drive produksjonsplanleggingen på et vannkraftverk. Det er et treårig prosjekt som er støttet av Forskningsrådet

– Produksjonsplanlegging går ut på å finne ut av om man skal skru produksjonen på i dag eller om man ikke skal skru den på, sier Matheussen.

Dette er en jobb som krever at man forstår situasjonen, og at man tar hensyn til en rekke faktorer. Det kan for eksempel være fyllingsgraden i vannmagasinet, hvordan snøsituasjonen er, hva slags strømetterspørsel som forventes, og mange andre faktorer.

– Vi må også forstå flomsituasjoner. Det er også en samfunnsrisiko, sier Matheussen.

Noen ganger må vannkraftverkene slippe gjennom vannet uavhengig av om de får betalt for strømmen eller ikke for å hindre eller redusere konsekvensene av flommen.

– Alle faktorene må verktøyet kunne håndtere hvis det skal kunne brukes, sier Matheussen.

Systemet mates inn med all informasjon som er tilgjengelig, og så brukes nevrale nettverk til dyp forsterkningslæring,

– Vi har testet dette på et lite kraftverk, Kvinesdal kraftstasjon, forteller Matheussen.

Kvinesdal kraftstasjon er en av tre kraftverk i Kvinesdal kommune. Det er et lite kraftverk som leverer 6 GWh i året, og det utgjør bare 0,07 prosent av Agder Energis totale gjennomsnittlige årsproduksjon på 8200 GWh. Den forsyner omtrent 300 husstander med strøm.

Matheussen forteller at de kjører sitt prosjekt på en liten kraftstasjon først, men at erfaringene kan oppskaleres til større kraftverk etterhvert. Seks måneder inn i prosjektet er det allerede på et veldig godt nivå sammenlignet med den vanlige løsningen for å håndtere produksjonsplanleggingen.

– Når vi sammenligner maskinlæringsteknikkens evne til å generere den beste løsningen, ser vi at nevralnettet er like god, og av og til litt bedre, sier Matheussen.

Selv om resultatet «bare» er like godt, og av og til litt bedre, kan det ha mye å si for produksjonsplanleggingen i fremtiden. Dagens metoder er tidkrevende, men med maskinlæring kan analysene kuttes ned til et sekund eller to.

– I fremtiden vil dette med hastighet på beregningene få mer å si. Hvis man trenger en prognose på et sekund eller to kan man kjøre flere tusen beregninger umiddelbart, sier Matheussen.

Han mener at teknologien er tilgjengelig, og at arbeidet med maskinlæring først og fremst går på å ta det inn i verdikjeden. Det er likevel mye som fortsatt gjenstår, og forskningsprosjektet skal jobbe videre med å modellere mer komplekse systemer.

– Vi synes det har vært en overraskende god start på prosjektet, sier Matheussen.

Bernt Viggo Matheussen jobber med å bruke maskinlæring til å styre produksjonsplanlegging på vannkraftverk.
Bernt Viggo Matheussen jobber med å bruke maskinlæring til å styre produksjonsplanlegging på vannkraftverk.

Les også: