Vi använder cookies på vår webbplats. När du använder vår webb accepterar du att information om ditt besök lagras i din webbläsare.

AI-lösning minskar nätfelen i Halmstad

Mätning Genom en AI-lösning har Halmstad Energi och Miljö minskat fellistan bland mätvärdena från elnätskunder med 90 procent. Nu ska företaget även granska mätvärden från fjärrvärmen med hjälp av AI.

Ämnesområden: Digitalisering Elnät

Dela artikel

Artificiell intelligens hjälper Halmstad Energi och Miljö att förutse hur elkonsumtionen kommer att bli. Foto: Halmstad Energi.

Tidigare gjorde Halmstad Energi och Miljö (HEM) en manuell granskning av alla avvikande mätvärden från elnätkunderna som systemet filtrerat ut. Denna granskning visade att 90 procent av värdena ändå var korrekta.

Sedan förra hösten har HEM låtit ett separat AI-system automatiskt granska kundernas mätvärden. Pilotprojektet är inte helt i hamn, men utfallet har varit så bra att det redan finns beslut om att implementera AI-granskning i HEM:s affärssystem.

AI-projektet ENOAI-systemet i Halmstad Energi och Miljö (HEM) är projekt-utvecklat och går under namnet ”Eno”.AI-lösningen kan förstå ­mönster och upptäcka onormala av­vikelser. Den har också algoritmer som hanterar fler faktorer än tidigare, exempelvis utetemperaturer och vind.

– Genom AI har vi lyckats att minimera fellistan med nästan 90 procent, vilket innebär 90 procent färre anläggningar att manuellt hantera. Dessutom har AI-systemet hittat fel som tidigare godkändes av vårt trubbiga filter. Vi har kommit längre än vi trott, så totalt sett är det ett mycket bra resultat, berättar Alexander Örning, avdelningschef vid HEM.

– Man kan säga att systemet håller på att lära sig. Ju mer det får granska, desto mer pricksäkert kommer det bli.

Än så länge har AI-systemet fått granska månadsvärden. Avsikten är att gå vidare med timvärden, vilket skulle kunna avslöja avvikelser tidigare.

En konsekvens av pilotprojektet är att man funnit att AI kan stötta vid dimensionering av framtida elnät, berättar Alexander Örning.

Kan se troliga förändringar
– AI är mycket bra på att känna igen mönster och tar även in andra yttre faktorer, som exempelvis temperatur. Så vi kan förutse hur konsumtionen kommer att bli. Detta medför att vi kan simulera laster i nätet vid exempelvis onormalt väder.

– Om vi då aggregerar alla kunder i nätet, så kan vi se troliga förändringar i förbrukning, vilket kan hjälpa oss vid nät-dimensioneringen, säger han.

Alexander Örning vill inte ge några siffror på vinsten.

– Den direkta vinsten är att vi sparar in manuellt arbete och att vi kan lägga fokus på verkliga fel. Dock tror jag detta bara är början av vilka möjligheter vi kommer att få framöver. Satsningen gör vi nu för att bli ett effektivt företag även i framtiden.

HEM genomför även ett likande pilotprojekt med AI-granskning av mätvärden från fjärrvärmekunder. Här använder man timvärden direkt istället för månadsvärden. Första steget med fjärrvärmedata var att se om AI kan förutse konsumtionen hos kunden.

– Det klarade AI med en precision på nästan 95 procent i första steget. Nu börjar arbetet med valideringsprocessen av fjärrvärmemätvärden för att utöka AI:ns kunskaper, säger Alexander Örning.

Björn Åslund