Vi står overfor en datarevolusjon i nettdriften. AMS-infrastruktur, sensorer i strømnettet, værdata og data fra sosiale medier skaper muligheten for en enorm innsikt i og helt nye muligheter for nettdriften. Kunstig intelligens (AI) og maskinlæring kan hjelpe nettselskaper til å høste potensialet i en ny, datadrevet nettdrift.
Aldrende infrastruktur. Nye regulatoriske endringer. En økende bruk av lokal energiproduksjon i distribusjonsnettet. Tre faktorer som alle bidrar til at nettselskaper må bli mer kostnadseffektive. Big Data, AI og maskinlæring er tre teknologiske utviklinger som kan gjøre nettselskapene mer kostnadseffektive. Her gir vi deg en pekepinn på hvordan det kan gjøres i praksis og hvorfor det er viktig for ditt nettselskaps framtid.
En ny Big Data-hverdag
Over 90 prosent av alle verdens data ble generert i løpet av de siste to årene, og etterhvert som antallet IoT-enheter øker med et enormt omfang, vil mengden data bare bli enda større. Ifølge Gartner vil antallet IoT-enheter øke til 20,4 milliarder på verdensbasis innen 2020. Ifølge Forbes vil 1,7 megabytes med ny informasjon skapes hvert eneste sekund for hvert eneste menneske samme år.
Også nettselskapene har gjennomgått en radikal digitalisering. Den store utrullingen av AMS-infrastruktur vi ser her i Norge i dag, er ett eksempel. Med automatiserte måleravlesninger på timebasis vil mengden data kun fra disse enhetene bli langt større enn nettselskapene tidligere har vært nødt til å håndtere. Kombinert med en økende bruk av sensorer i strømnettet vil mengden informasjon som strømmer inn til nettselskapene bli enorm.
Dataanalytikere og tradisjonelle IT-systemer vil bli fullstendig ute av stand til å møte den enorme mengden data som strømmer inn fra et stadig mer digitalisert strømnett. Like ute av stand vil de være til å gjøre dataene operasjonelt anvendbare for nettdriften. Det er her AI og maskinlæring kommer inn.
Kort fortalt er AI og maskinlæring teknikker som hjelper oss å håndtere store mengder data på en intelligent måte. Ved å bruke algoritmer som lærer av data, gjør maskinlæring det mulig for datamaskiner å finne skjulte mønstre og gi ny innsikt uten å bli eksplisitt programmert til å lete et spesifikt sted i dataene.
Se også vår ressursside om effektiv nettdrift i en digital verden.
Intelligente droner, nye vedlikeholdsmetoder og reduserte KILE-kostnader
Orkanen «Irma» har nylig herjet over store deler av Florida og etterlatt seg både dødsfall, massive ødeleggelser og strømbrudd for over fire millioner husholdninger. Kunstig intelligens og maskinlæring står sentralt i reparasjonen av strømnettet og gjenopprettingen av elektrisiteten. Intelligente droner flyr allerede langs strømlinjene for å finne brudd i strømnettet.
Disse dronene er i stand til å fly langs linjenettet og ta flere titalls bilder i sekundet, som blir analysert i sanntid ved hjelp av kunstig intelligens. Maskinlæringen gjør at systemet lærer av dataene som samles inn, og gradvis blir flinkere til å identifisere brudd og skader i strømnettet på egen hånd.
På den ene siden kan dette bidra til å redusere KILE-kostnadene; intelligente droner har potensialet til å halvere nedetiden ved et strømbrudd. På den andre siden gir disse dataanalysene en mengde viktig informasjon til operatørene som vedlikeholder nettet. Det kan gi betydelige tids- og kostnadsbesparelser sammenlignet med den manuelle inspeksjonen som foregår i dag.
Nye metoder for lastprediksjon og reduserte investeringskostnader
Andelen elbiler i Norge øker kraftig, effektkrevende husholdningsutstyr blir mer utbredt og stadig mer solkraft er på vei inn i strømnettet. Disse nye teknologiene og enhetene vil skape raske og store svingninger i strømforbruket og kapasitetsutfordringer i nettet.
Nettselskaper har tradisjonelt tatt til takke med generiske modeller og systemer som analyserer historiske data for å forutse hva belastningen er. Man opererer med mindre datasett, analyserer dem for å teste en hypotese og bruker innsikten for å skape en modell som gir informasjon om last på nettet den kommende dagen, uken eller måneden.
I likhet med finanssektoren, der kunstig intelligens og maskinlæring har blitt brukt til å raffinere de matematiske modellene som brukes for å forutse skifter i markedet, vil den samme teknologien gi nettselskaper nye, forbedrede metoder for lastprediksjon.
Med kunstig intelligens og maskinlæring kan nettselskaper forutse hva forbruket vil bli i en gitt periode i et gitt område. Data fra ulike husholdninger under en nettstasjon kan sammenstilles med værdata, historiske data og andre relevante data for å gi en prediksjon på hvilken kapasitet som er nødvendig for at nettet ikke skal knele og hvorvidt det er nødvendig å bygge ut infrastruktur i et område for å møte kapasitetsutfordringene. Det vil gi en langt større presisjon i utbyggingsprosjektene og potensielt store kostnadsbesparelser.
Effektiv nettdrift, strammere inntektsrammer
Både Stephen Hawking, Elon Musk og Bill Gates frykter bruken av kunstig intelligens. Det sier noe om kraften i teknologien. Likevel, teknologien har kommet for å bli, og den vil spille en sentral rolle i fremtidens nettdrift. Fremtidens nettdrift vil tross alt bli datadrevet.
Straks det blir et faktum, og Big Data, AI og maskinlæring blir etablerte begreper i nettdriften, er det kun et spørsmål om tid før vi ser endringer i regulatoriske krav og NVE strammer inn inntektsrammene sine. Det er grunnen til at AI og maskinlæring er avgjørende for ditt nettselskaps framtid.
