Slik brukes AI og maskin­læring i Norge for å forbedre vind­kraft­produksjon

Google annonserte i en blogg i slutten av februar at de har gjort vindkraftproduksjon bedre ved bruken av kunstig intelligens, og har fått hjelp av det britiske AI-selskapet Openmind. Som vi skal komme inn på er slik teknologi noe man også jobber med i Norge.

Google forteller at ved å bruke et nevralt nettverk trent på et bredt utvalg av værmeldinger skal systemet kunne forutse energiproduksjonen 36 timer før det faktisk skjer. Løsningen benytter seg av en maskinlæring-algoritme som fortsatt forbedres, og ifølge Google vil den foreløpige maskinlæringen øke «verdien» av vindproduksjon med drøyt 20 %.

Nedenfor kan du se hvor nøyaktige prognosene til Google har vist seg å være.

Illustrasjon: Google / DeepMind

Hva gjøres i Norge?

Her i Norge har Kongsberg digital AS mye erfaring med bruk av kunstig intelligens og maskinlæring i produksjon av fornybar energi; spesielt vindkraft.

Selskapet er en del av Kongsberg-gruppen og har som mål å levere teknologiske løsninger og programvare til kunder innen blant annet vindkraftproduksjon, men ikke bare til Norge.

Kongsberg digital benytter seg av én samlet digital plattform, som kunder og samarbeidspartnere kan hente ut informasjon fra. Plattformen, kalt «Kognifai», er laget i skyen og er blitt grunnlaget for et økosystem av digital samhandling.

Salgsdirektør, Eirik Skare, i Kongsberg digital forteller om viktigheten av den digitale plattformen.

– Det som er viktig når vi skal benytte kunstig intelligens er tilgang til data. Alle mulige data samles i vår digitale plattform, enten det er tilstandsdata med informasjon på vindturbiner eller værdata. Vi tilbyr applikasjoner som kan skape verdi utifra disse dataene, forteller Skare.

– Når data er lagret på ett sted kan man effektivt koordinere informasjon og planlegge vedlikehold på langt mer effektive måter. Dette er noe av kjernen i de løsningene plattformen tilbyr.

På lik linje med Google har Kongsberg digital benyttet AI og maskinlæring for å bedre produksjonen av vindkraft på flere ulike områder. Blant annet når det gjelder fremtidige prognoser for strømproduksjon.

Skare bekrefter til digi.no at det er noe de benytter seg av.

– Et vanlig begrep som benyttes om dette er «Production Forecasting» (Produksjonsprognoser, journ.anm.). Vi har en testet og validert løsning på dette som tilbys på det norske markedet, konstaterer Skare.

– Løsningen baserer seg på å samle inn værdata fra en eller flere leverandører, og deretter koordinere disse dataene med vindturbinene i den aktuelle vindparken.

– Dette skjer ved hjelp av et sett med algoritmer som estimerer produksjonen i vindparken. Dette estimatet vil deretter bli grunnlaget for det som blir lagt inn av prognoser i den digitale plattformen, forteller Skare.

Slik kan vindparkens operatører kunne ta smartere avgjørelser basert på vindprognosene, og planlegge vedlikehold i vindturbinene når vindstyrken er som lavest.

• DNV GL: – Data brukes i stadig mer avanserte IT-løsninger, men det er urovekkende liten fokus på kvaliteten

Kunstig intelligens sparer penger

Ingeniør og produktansvarlig i Kongsberg digital, Rasmus Mølgaard Hviid, ønsker å påpeke at det ikke er AI-en som direkte øker utnyttelsen av vindkraft, men legger ikke skjul på hvor nyttige og viktige mulighetene som skapes ved det er.

– Det er viktig å få frem at kunstig intelligens, maskinlæring og digitale plattformer ikke i seg selv øker produksjonen eller effektiviteten, men det er de mulighetene som et slikt system skaper som gjør at dette blir mulig, forteller Hviid til digi.no.

Maskinlæring-algoritmene er blitt testet med god suksess på over 200 turbiner fra blant annet Siemens, Vestas, Suzon og Nordex.

Nedenfor vises en sakshistorie fra Kongsberg digital der en kunde hadde stopp i produksjonen i 69 dager grunnet feil i en offshore vindturbin. Uten kunstig intelligens forsvinner muligheten for prediktivt vedlikehold (forutse når vedlikehold blir nødvendig før vindturbinen må stoppes), og det er flere steg man må gjennom før turbinen er oppe og produserer strøm igjen.

• Vente på feilinformasjon
• Vente på inspeksjon
• Vente på reservedeler
• Logistikk (planlegge bruk av utstyr og verktøy, tilrettelegge for operatører)

Med smarte algoritmer og en digital plattform kan man finne ut av hvor lenge en vindturbin kommer til å kunne produsere før vedlikehold trengs. I en slik situasjon vil planlegging av vedlikehold i den aktuelle vindturbinen skje før vindturbinen stopper.

– Med denne løsningen skal det være mulig å få nedetiden i vindturbinen helt ned til seks dager. Det vil si rundt 90 prosent mindre nedetid, konstaterer Hviid.

Hovedrollen til kunstig intelligens i denne bransjen handler om å redusere tapt produksjonstid. Strømproduksjonen vil jo i denne situasjonen selvsagt være langt høyere dersom nedetiden blir redusert såpass mye. Hviid har gjort regnestykket.

– Dersom vi antar at dette er en 6 megawatts-vindturbin med 40 prosent utnyttelsesgrad vil turbinen faktisk produsere strøm til en verdi av 1,63 millioner kroner med dagens strømpris i de 63 ekstra dagene den vil være i produksjon takket være bedre beslutninger fra operatørene grunnet den digitale plattformen og AI.

– Våre estimater fra studier og dialog med kunder viser til en økt strømproduksjon på 40 prosent. Dette hovedsakelig ved å redusere tapt produksjonstid. Det å ha «smarte» systemer som dette er gull verdt, og det gjør at man kan finne feil på vindturbinene tidlig, forteller Hviid.

• Mener GDPR går for langt og gir Norge en stor ulempe: – Kunstig intelligens krever så mye data som mulig

Det blåser minst om sommeren

En operatør kan kun ha ansvaret for en viss mengde vindturbiner på en gang, men Hviid forteller at med kunstig intelligens kan en operatør ha mulighet til å ha ansvaret for langt flere vindturbiner enn før.

– Vi har ingen studie på dette, men tall fra industrien så langt viser en økning på over 65 prosent ved å ta i bruk strategien som Kognifai-applikasjonene understøtter.

Når det gjelder større vedlikehold i vindturbinene er det som regel best å planlegge dette for sommermånedene.

– Våre studier viser at vindforholdene i Norden er lavest om sommeren, og dermed vil også produksjonen være lavere. Da er det smartest å planlegge tidkrevende vedlikehold i den perioden. I tillegg er det som oftest tryggere å gjøre vedlikehold om sommeren, konstaterer Hviid.

Det er ingenting som tyder på at Kongsberg digital ikke har tenkt å satse på bruken av kunstig intelligens i fremtiden. Eirik Skare ser fremover.

– Det er en rivende utvikling innen dette feltet, og vi satser tungt på våre industriområder som blant annet maritim industri, olje og gass, vind og havbruk.

– Mer automatiserte analyser og etablering av det som kalles digitale tvillinger er et viktig felt, avslutter Skare.

• Forskning viser at AI og automatisering vil ramme kvinner hardest: – Det er for tidlig å si hvem som vil bli rammet, mener norsk forsker