Så byggs ett bättre energisystem med hjälp av AI

AI4Energy, som går av stapeln den 11-12 november i Stockholm, blir en mötesplats för experter, forskare, innovatörer och beslutsfattare som är engagerade i att forma framtidens energilandskap. 

Jenny Gustavsson, CIO på Öresundskraft, är en av talarna i programmet. Hon kommer att fokusera på de praktiska tillämpningar som Öresundskraft jobbar med redan idag.

– En relativt enkel sak är att effektivisera kundtjänst med en chattbot som bättre kan svara på kundernas frågor. Men det är ju inom vår kärnverksamhet som de riktigt värdeskapande tillämpningarna finns. För oss handlar det om prediktivt underhåll av våra fjärrvärmeledningar, om att kunna spara miljontals kronor i månaden genom bättre prognoser för fjärrvärmeproduktionen, och om att förstå laddbeteendet hos tunga transporter för att minska obalanserna i nätet, säger hon.

Nya möjligheter att skapa mer träffsäkra prognoser kommer också att stå i fokus när Christian Lind, AI-expert på Modulai, kliver upp på scenen. Tillsammans med kollegor har han undersökt hur samma typ av AI-modeller som används för att skapa bilder också kan utnyttjas för att skapa tidsserieprognoser och testa olika scenarier i energisystem.

– Forskning som har bedrivits de senaste åren indikerar att så kallade diffusionsmodeller har stor potential att användas för att skapa tidsseriebaserade prognoser, och att de i vissa fall överpresterar vanligt förekommande referensmodeller samt arkitekturer, säger Christian Lind.

Att använda teknik som hittills primärt har använts för att skapa bilder för att nu istället göra prognoser av ett energisystem kan kännas långsökt. I själva verket är detta ett bra exempel på maskininlärningens flexibilitet och förmåga att generalisera tvärs olika områden och problem.

– Det skall bli spännande att se hur dessa modeller utvecklas i framtiden, det finns enormt mycket kvar att utforska kring diffusionsmodeller – framförallt inom tidsserie-domänen. Ett exempel på detta är att man kan göra scenarioanalyser, något som kan komma att hjälpa industrin i omställningen till utsläppsfria elnät.

Möjligheterna att flytta både lärdomar och teknik mellan branscher är också anledningen till att flera talare från andra sektorer är inbjudna som talare på konferensen. En av dem är Ulrika Jägare, Head of AI, Data & Architecture på Scania:

– Att använda data och AI internt i Scania samt i vår kommersiella portfölj inom exempelvis digitala tjänster, är vitalt för att kunna förstå och förbättra våra kunders lönsamhet, samtidigt som det hjälper dem att nå sina hållbarhetsmål. Att lyckas med en AI–satsning handlar mycket om att förstå sitt företags roll i ekosystemet, men även om att vara öppen och våga lära från andra aktörer inom andra branscher, säger Ulrika Jägare, Head of AI, Data & Architecture på Scania.

Filip Kjellgren på AI Sweden ser ett stort värde i ökat samarbete kring datadelning och artificiell intelligens i den svenska energibranschen:

– Vårt energisystem är uppbyggt av 170 små och stora elnätsområden som alla sitter ihop i realtid. Det är klart att respektive aktör kan förbättra sina egna system med hjälp av AI, men den riktigt stora vinsten för samhället inträffar när aktörerna implementerar AI-lösningar som förstärker varandra, lokalt, regionalt och nationellt, säger han och fortsätter:

– Det är många aktörer som är relativt lika varandra vad gäller uppdrag och infrastruktur och som alla har begränsat med kompetens, pengar och arbetstid. För dessa aktörer är det fördelaktigt att utveckla vissa lösningar tillsammans genom att "poola" de resurser man har för att få större hävstång på dem.