Foto: Chul Christian Aamodt
Foto: Chul Christian Aamodt

- I kraftbransjen er fortsatt mye data kun tilgjengelig i permer, skuffer og skap

Forskningssjef i SINTEF: - Vi jobber hver dag med å pushe grensene til fundamentalmodellene og det de nye modellene kan gi oss. Det handler om å finne styrken mellom de to.

Publisert   Sist oppdatert

For å kutte i klimagassutslippene må vi produsere mer fornybar kraft. Statnett anslår at Norge trenger 30-50 TWh med ny fornybar kraft, og vi har dårlig tid.

Knut Samdal er forskningssjef i SINTEF. Vi spør han om hvordan kraftbransjen kan ta bruk av digitalisering på vei mot dette målet.

Han mener vi må jobbe ut fra flere perspektiver.

- Vi må se om vi har den fundamentale forståelsen av graderingsmekanismer eller fenomen som vi ønsker å ta beslutninger på. Så må vi jobbe med det fra datasiden.

Han forklarer at mye data tilstede, men kun i permer, skuffer og skap.

- Så digitaliseringen må også starte der. Så må vi også ha de gode infrastrukturene for å lykkes med dette.

Forskningssjefen forklarer at det også handler om å finne styrken mellom fundamentalmodellene og styrken ved digitalisering.

- Da kan vi avdekke sammenhenger som vi enda ikke har forstått.

På spørsmål om kraftbransjen er klar for å ta i bruk kunstig intelligens og maskinlæring svarer Knut Samdal både nei og ja.

- Jeg vil hevde at det fortsatt er slik at fundamentalmodellene slår maskinlæring og AI-modellene i 99 av 100 tilfeller.

Han fortsetter.

- Men vi jobber hver dag med å pushe grensene til fundamentalmodellene og det de nye modellene kan gi oss. Vi ser klart at det er en begrensning i mulighetene til å ta i bruk de nye metodene fordi det er mye "black box". Man har ikke den transparens som trengs for å gjøre gode beslutninger. Det er rett og slett for stor forretningsmessig risiko knyttet til å gå blindt på disse konseptene.

Avslutningsvis spør vi forskningssjefen i SINTEF om han kan gi kraftselskapene noen gode råd med på veien for å lykkes med digitalisering.

- Vi må fortsatt være sterke på den fundamentale forståelsen. Det er det som gjør oss i stand til å forstå også kvaliteten i en "black box" eller avansert maskinlæringsalgoritme. Så jobber vi med å lage hybride modeller der fundamentalmodellene er vårt utgangspunkt. Vi driver frem nye algorimter basert på trening fra datasett fra fundamentalmodellene. Slik kan vi hente frem det beste fra to verdener.

Her løfter han frem begrepet som explained AI.

- Det gir assosiasjoner til at vi kan få til mer transparens ved å gå fra "black box" og over til forklarbare modeller.