Utfordringen

Jo mer elektrifisert samfunnet blir, desto mer avhengig blir vi av at kraftsystemet fungerer som det skal. Og jo mer komplisert kraftsystemet blir, desto mer sårbart er det. Små feil som utvikler seg til store feil kan få omfattende konsekvenser for samfunnet, både praktiske og økonomiske.

 

Målet

I EarlyWarn er målet å utvikle et overvåkingssystem, drevet av stordata og domenekunnskap, som oppdager og identifiserer feil, helst flere minutter før de inntreffer.

 

Prosjektet

Prosjektet bruker store mengder måledata som analyseres ved hjelp av maskinlæringsmodeller som igjen utvikler en prediktiv algoritme. Teorien er at små variasjoner (feilsignaturer) i spenningen i nettet kan forutsi sammenbrudd i komponenter og andre hendelser som kan føre til driftsforstyrrelser og avbrudd i kraftsystemet. Foreløpige forsøk viser gode resultater; bedre for noen feilkategorier (totale driftsavbrudd) enn for andre (jordfeil og spenningsdipp).

 

Prosjektdeltakere

  • SINTEF Energy
  • SINTEF ICT
  • NTNU
  • University of Strathclyde
  • Statnett
  • Nettalliansen
  • NTE Nett
  • Lyse Elnett

 

Finansiering

  • Norges Forskningsråd (KPN)
  • Statnett
  • Nettalliansen
  • NTE Nett
  • Lyse Elnett

 

Du kan også lese om prosjektet 

https://www.sintef.no/prosjekter/earlywarn/

https://blogg.sintef.no/sintefenergy-nb/maskinlaering-kan-forutse-feil-og-driftsforstyrrelser-i-kraftsystemet/