Utfordringen

Beregning av vannverdier i Statnett sine markedsmodeller skjer i dag ved hjelp av forenklede matematiske modeller. Å beregne vannverdier i komplekse vannkraftsystemer er utfordrende, spesielt i det mellomlange siktet hvor den fremtidige kraftprisen er usikker og blir bestemt av analysen. En nøyaktig verdsettelse er imidlertid sentralt for å kunne planlegge vannverdiene på mellomlang sikt. 

Dagens analysemodeller sliter med lange løsningstider og/eller lavere nøyaktighet på grunn av forenklinger og mangel på detaljer. Maskinlæring (ML) er en mulig løsning på dette. Slike modeller kan være raskere og mer nøyaktige enn tradisjonelle metoder siden de kan bruke færre forenklinger og kan arbeide i takt med tradisjonelle metoder. 

Målet 

Målet er å kunne ta i bruk mer nøyaktige beregninger av vannverdier for bruk i Statnetts mellomlangsiktige markedsmodelleringer. Prosjektet vil gi økt kunnskap og utforske om maskinlæring kan gjøre disse beregningene både mer presise og raskere. Den største verdien ligger i å kunne ta bedre beslutninger for utviklingen av kraftsystemet. Det er også verdifullt dersom Statnett kan få raskere og mer presise resultater som forenkler arbeidet med nye analyser, i tillegg til å redusere kostnadene til slikt arbeid.  

Prosjektet 

Selskapet Optimeering skal utvikle maskinlæringsalgoritmer for beregning av vannverdier som kan brukes i kraftmarkedsmodeller, planlegging og analyse, og til å kode prototype-versjoner. I tillegg til Optimeering skal Open AI lab ved NTNU bidra til å sikre at forskningen tar i bruk den aller nyeste kunnskapen innenfor maskinlæring. 

En sentral del av prosjektet vil være å foreta en detaljert validering av algoritmene samt sammenlignende studier mot dagens løsninger. 

Prosjektet er viktig både for å få bedre algoritmer som kan optimalisere vannkraftproduksjon operasjonelt og for å få bedre markedsmodeller. Det første er viktig for vannkraftprodusenter som skal utnytte sin produksjon best mulig, mens det siste er viktig for alle som ønsker å forstå og simulere kraftsystemet best mulig. 

Prosjektdeltakere 

  • Optimeering
  • Lyse Produksjon AS
  • NTNU
  • Statnett