GridForesight

Kort beskrivning

GridForesight är ett projekt som syftar till att utveckla ett agentbaserat digitalt system som hjälper elnätsbolag att planera och optimera utbyggnaden av elnätet. Genom en agent-arkitektur som kombinerar maskininlärning, språkmodeller och digitala tvillingar ska verktyget analysera nätets kapacitet, simulera olika scenarier och föreslå kostnadseffektiva och hållbara lösningar. 

Med en prototyp av verktyget GridForesight, som utvecklas och testas i en relevant miljö, ska elnätsplaneringen och elnätsutvecklingen optimeras. Verktyget ska kunna visualisera alternativa elnätsscenarier baserat på användarens data, till exempel vid etablering av ny industri. Målet är att kunna leverera rätt mängd effekt till industrier vid rätt tidpunkt.

Utmaningar

Brist på data att träna modeller: Trots att nätbolagen äger all sin data finns det en risk att det finns brist på data för att träna modellerna. Om detta inträffar kan projektet behöva skala ner modellens kapacitet. 

Komplexitet med ML/AI: Det kan visa sig att ML/AI-utmaningar för att nå de mer avancerade stegen gällande åtgärder för förändrat elnät och förändrat elsystem är för omfattande med den nuvarande projektstrukturen. Åtgärden skulle i så fall vara att antingen skala ner modellens kapacitet eller utöka projektskonsortiet för att täcka den kompetens som saknas.

Användaracceptans: En risk är att användarna inte accepterar verktyget eller inte använder det som förväntat. För att motverka detta kommer projektet att präglas av en designcentrerad arbetsmetodik där användarna är med i alla steg för att samutveckla lösningarna.

Projektets syfte

Projektets syfte är att stötta elnätsbolagens nätutbyggnad och nätutveckling för att påskynda, effektivisera och optimera dessa processer, så att industrins ökade behov av el kan mötas på bästa sätt. Projektet avser att undersöka hur en kombination av traditionell maskininlärning och stora språkmodeller (LLM) kan förenas i en AI-agentlösning. 

Målet är att utveckla en prototyp av ett digitalt verktyg där agenten hanterar tidskrävande komplexa arbetsflöden och simuleringar, samtidigt som nätplaneraren behåller kontrollen genom ett interaktivt samarbete (Human-in-the-loop). Genom detta optimeras elnätsplaneringen så att industrier får tillgång till rätt mängd elektrisk effekt vid rätt tidpunkt.

Förväntat utfall

• En prototyp av det agentbaserade verktyget GridForesight, utvecklad och testad i en relevant miljö. Prototypen kommer att kunna rita upp alternativa elnätsscenarier på en karta baserat på användarens input, till exempel en ny industrietablering.
   
• En utvärdering och validering av verktygets potential att optimera nätutbyggnaden och maximera industrins effektbehov/anslutningsprocess.
   
• En plan för skalning och spridning av prototypen samt resonemang kring möjlig kommersialisering av ett verktyg.
   
• Projektet förväntas ta idén från TRL 4 (teknik validerad i labbmiljö) till TRL 6 (teknik demonstrerad i relevant miljö).
   
• Utveckling av helt ny kunskap och kompetens inom områden som digitala tvillingar, AI/ML, industriell elflexibilitet, nätplanering och energisystem, då projektets idé inte finns realiserad i en produkt/tjänst på marknaden idag.
   
• För de deltagande elnätsbolagen är projektet lika viktigt utifrån ett lärande att komma igång med AI/ML inom sina verksamheter som det är för dem att hitta en ny lösning på det omfattande problem de har att hantera kring alla industriers behov av mer el och effekt.