Spänningsstörningarna i elnätet har ökat under senare år. Anledningen är den snabba utbyggnaden av förnybar el i kombination med fler och nya typer av laster, till exempel elbilsladdare. Konsekvensen kan bli olika typer av spänningsfall och övertoner med ojämna spänningskurvor. För elkunderna kan det innebära till exempel förkortad livslängd och sämre prestanda på produkter och onödiga avbrott i produktionen för industrikunder. Samtidigt leder det till stora samhälls-kostnader och slöseri med energin.
Idag hanterar de flesta nätbolagsstörningarna reaktivt och manuellt, säger Isac Kärrman, en av grundarna av Göteborgsföretaget Eneryield.
– Många bolag tar sig an problemen först när de upplevt störningar eller när någon kund kontaktar dem. Då hanteras detta manuellt genom att en operatör analyserar kurvorna tillsammans med annan tillgänglig information. Det blir som ett slags detektivarbete, säger Isac Kärrman.
Nu utvecklas helt nya möjligheter att hantera och analysera datan – och därigenom förebygga störningar genom AI-verktyg, vilket är Eneryields affärsidé.
Två av de fem grundarna av Eneryield, Ebrahim Balouji och Karl Bäckström, har under flera år forskat om hur man kan mäta och analysera elkvalitet och kombinera detta med maskin-inlärning. När de två forskarna träffade affärsutvecklarna Erik Berggren, Johan Rådemar och Isac Kärrman genom Chalmers Entreprenörskola grundade de Eneryield våren 2019.
– Många elnätsföretag sparar data om elkvalitet men man har svårt att analysera den. Men genom maskininlärningsmetoder går det att få fram vad störningarna beror på och var de kommer ifrån. Med tillräckligt mycket data går det också att förutse störningarna och förebygga dem, säger Isac Kärrman.
I nästa steg går det också att fördjupa analysen och se om komponenter och hårdvara försämras, och på så sätt beräkna livslängden för hårdvaran. För elnätsbolagen finns det ett stort värde i att kunna förutspå produktions- och konsumtionsmönster för att kunna dimensionera näten på rätt sätt, menar Isac Kärrman.
4 råd till nätbolag som vill höja elkvalitetenSamla in så mycket data som möjligt under så lång tid som möjligt.Var öppen för samarbeten och våga experimentera. Undersök vad som idag kräver manuell analys. Ta hjälp av experter inom dataanalys och AI.
Sedan några månader tillbaka leder Eneryield ett projekt inom Energiforsk – ”Maskininlärning, neurala nätverk och elkvalitet” – där målet är att få fram automatiserade metoder för att hitta orsaker till störningar i näten. I pilotprojektet ingår bland annat Göteborg Energi, Härryda Energi och Jämtkraft.
– För att AI-verktygen ska utvecklas krävs det ett tätt samarbete med nätbolagen. Ju mer data desto bättre resultat. I detta projekt har bolagen gett oss sin data som vi kan applicera våra algoritmer på. Drömmen vore ju om det fanns en gemensam databas för all störningsinformation, säger Isac Kärrman.
Och i branschen finns det ett stort intresse för elkvalitetsfrågor, enligt Isac Kärrman:
– Nätbolagen är väldigt nyfikna på vad detta kan leda till. Många har ju på fokuserat på mätarna för att samla in datan, men vet inte riktigt vad de ska göra med all information.
Vad är dina råd till elnätsbolagen?
– Det viktiga är att strukturera upp insamlingen av data: vilken data man ska samla in, vilken upplösning den ska ha och hur den ska sparas, säger Isac Kärrman som kan blicka tillbaka på ett händelserikt år. Under hösten 2019 fick Eneryield pris som årets Impact Maker på Venture Cup och vann ABB:s Draknästet på HUB2019.
Och i framtiden lär tekniken få stort genomslag, spår Isac Kärrman:
– Potentialen är enorm. Att säga var en spänningsdipp kommer ifrån är endast det första steget. Genom de här metoderna får vi en bättre överblick av elnäten i sin helhet. Man kan både analysera och styra elen för att skapa så effektiva elsystem som möjligt.
Johan Wickström
