På Lerum Energi finns ett stort intresse på flera nivåer för att jobba med digitalisering och automatisering av processer. Nätutvecklingschefen Frida Vånder har ett driv för att utforska AI och maskininlärning och har möjliggjort flera digitala satsningar på företaget i samarbete med företagets tekniker.
Ett exempel på det är den 19-årige mjukvarutvecklaren Max Rand, som har tagit fram flera applikationer som har effektiviserat företaget och underlättat för kunderna. Max Rand ”upptäcktes” av Lerum Energi på ett Öppet hus på Lerums gymnasium, där han berättade om sina erfarenheter av att utveckla AI-applikationer. Samtalet ledde till en projektanställning.
– Jag är väldigt teknikintresserad och har alltid velat förstå hur saker fungerar. Intresset för programmering började genom dataspel och jag började så småningom utveckla egna spel. Efter hand har jag lärt mig alltmer om programmering och nu kommer de kunskaperna verkligen till nytta, säger Max Rand.
Analyserar säkringsstorlekar
För Lerum Energi har Max Rand utvecklat en AI-lösning som används för att rätta upp säkringarna i register och datasystem för att se till tariffdebiteringen blir rättvis. Modellen analyserar automatiskt bilder på säkringsstorlekar och identifierar dem genom att känna igen färgen på passkontakterna.
Modellen analyserade totalt 230 000 bilder. Sedan korskördes den datan med kundsystemet.
– Vi ville säkerställa att kunderna betalar exakt för den säkringsstorlek som de använder. I samband med det stora mätarbytet för ett par år sedan fotograferades tusentals mätarplatser, säger Frida Vånder.
AI-modellen kunde klassificera samtliga bilder på ungefär cirka tre timmar – ett arbete som manuellt hade tagit betydligt längre tid. Datan jämfördes sedan med uppgifter i kundregistret och även utifrån vad montören som bytte elmätaren hade skrivit på sin arbetsorder.
– Genom analysen upptäcktes att många kunders registrerade säkringsstorlekar inte stämde överens med verkligheten. Vissa kunder hade exempelvis högre eller lägre säkringar installerade än vad som fanns registrerat i systemen, vilket i vissa fall ledde till felaktig tariffdebitering, säger Frida Vånder.
Bolagen samarbetar om AI-inlärning
Tillsammans med sex andra energibolag, AI Sweden och föreningen Lokalkraft har Lerum Energi också deltagit i ett Vinnova-finansierat projekt kring federerad inlärning. Det handlar om en metod där AI-modeller tränas lokalt hos varje företag istället för att all data samlas på ett ställe. På så sätt kan bolagen dra nytta av varandras erfarenheter och datamängder utan att kompromissa med integritet eller datasäkerhet.
En av de stora fördelarna med federerad inlärning är att mindre energibolag får tillgång till kunskap och modeller som annars hade krävt betydligt större datamängder. Samtidigt får större bolag nya insikter genom data från exempelvis hushållskunder och mindre nätområden, enligt Frida Vånder.
– I Lerum har vi få stora industrier, men däremot en stor andel hushållskunder. Jönköping Energi och Öresundskraft, som också medverkade i projektet, har många stora industrikunder. Modellen kunde på det sättet få träning på data om såväl stora kunder som om hushållskunder. Det här projektet visar att det går att samarbeta och träna AI-modeller mellan olika elnätsbolag utan att dela känslig rådata med varandra, säger Frida Vånder.
Projektet inleddes med att man tog fram en gemensam datastruktur, som fick fungera som en standard. Sedan skapades en modell som klustrade ihop användare utifrån kundernas beteende/elanvändningsmönster, för att kunna identifiera olika kundkategorier.
Modellen tränades på allas data via federerad inlärning. Projektet har också resulterat i en gemensam plattform för framtida AI-samarbete inom branschen.
Gemensam målbild
För att samarbetet skulle fungera krävdes en gemensam målbild, standardiserade dataformat och en tydlig struktur redan från början, berättar Max Rand. Regelbundna möten mellan deltagarna – minst en gång i veckan – blev också en viktig framgångsfaktor för att hålla arbetet samordnat.
– Vi har gjort klusteranalyser och visualiseringar för att förstå hur tekniken kan användas för att exempelvis förutse topplaster, upptäcka mätarfel och förbättra vår långsiktiga nätplanering, säger Frida Vånder.
Frida Vånder och Max Rand har också utvecklat ett internt tariffverktyg för att stötta kunderna i övergången till nya prismodeller. Tanken är att kundservice ska få hjälp med att göra elnätskostnaderna mer begripliga för kunderna.
Tariffverktyget ska på ett transparent sätt visualisera skillnader i månadskostnad samt mellan kostnadskomponenterna fast avgift, energiavgift och effektavgift. Nu har verktyget sats på vänt eftersom regeringen ändrat besluten kring effekttariffer.
Gemensamt för alla projekten är att olika kompetenser har samverkat för att nå fram till bra resultat:
– För att utveckla AI-lösningar som fungerar i praktiken krävs stora kunskaper i programmering i kombination med en djup förståelse för elnätsbranschen. För oss som litet energibolag kan federerad inlärning och intelligent bildanalys hjälpa oss samarbeta smartare, förbättra våra prognoser och samtidigt skapa mer rättvisa system för kunderna, avslutar Frida Vånder.
Marie Kofod-Hansen
