Machine learning øger værdien af data fra digitale elmålere

I gamle dage var elmålere sorte eller gennemsigtige, analoge og fokuseret på antallet af brugte kilowatttimer på årsplan. Nu er målerne ofte hvide, digitale og registrerer mange forskellige typer data hvert 15. minut, men de leverer stadig primært forbrugsdata som bruges til afregning.

- Vi elnetselskaber er alle sammen over 100 år gamle, så vi er ikke ligefrem startups, men vi bliver nødt til at tænke anderledes for at få mere værdi ud af de data, målerne leverer, siger innovation manager Poul Berthelsen fra elnetselskabet Konstant Net i Aarhus.

45 mio. data om dagen

Konstant Net har installeret over 220.000 fjernaflæste målere hos deres midtjyske kunder. Målerne leverer 45 mio. værdier om dagen fordelt på parametre som bl.a. forbrug, effekt og spænding. Poul Berthelsen og hans kolleger arbejder ihærdigt på at udnytte nogle af disse voldsomt mange data til at optimere drift, vedligehold og planlægning af nye investeringer i Konstant Nets forsyningsområde.

- Som netselskab er vi interesseret i målinger, der er relevante for vores assets. For at skabe værdi skal vi strukturere vores data anderledes og lægge ekstra lag på – for eksempel med GIS-data om placeringer af anlæg, vejrdata og kalenderoplysninger, siger Poul Berthelsen, der lægger op til et opgør med praksis om, at afregningssystemet styrer/håndterer målerne. Fremover skal levering af forbrugsdata til Energinets DataHub blot være en af mange vigtige opgaver for målerne.

- Selvfølgelig skal målere opfylde et afregningsbehov, men de skal også kunne levere data til at optimere driften i netselskabet. Målerne er et meget vigtigt element i smart grid, fastslår Poul Berthelsen og påpeger, at jo flere typer data, elnetselskaberne får ind, desto mere interessante ting, kan de foretage sig.

- Vi skal have gjort data mere ensartede, de skal valideres, og de skal gøres operationelle, så de kan bruges af vores drifts- og projektafdelinger, siger Poul Berthelsen.

Fra rapportering til analyser

Poul Berthelsen mener, at Konstant Net og andre netselskaber er på en rejse fra ’oh my good… vi har mange data’ til at bruge data til at drive virksomhed på en helt anden måde, end det har været tilfældet de seneste årtier. På denne rejse står Konstant Net lige nu på trinnet mellem at bruge data til rapportering og til at bruge dem til analyser.

For at forklare hvad han mener med brug af data til rapportering, giver han et eksempel: Konstant Net tager data fra elmålere og summerer dem op til transformer- og udføringsniveau og kombinerer dem med historiske værdier. Det giver et godt grundlag for at vurdere netudvidelser; herunder om eksisterende transformere på netstationer er tilstrækkelige, eller om de skal udskiftes til en større version.

- Rapportering er nyttigt, men vi kan få endnu mere værdi ved at lave analyser, fastslår Poul Berthelsen fra Konstant Net. Ved at koble målerdata med de mange andre typer data og benytte machine learning nærmer man sig det punkt, hvor det er muligt at undersøge fejl på nettet og forudsige, hvad der kommer til at ske forskellige steder i forsyningsområdet.

Danske familier og virksomheder har elektricitet i stikkontakterne i over 99,99 procent af tiden, men elnetselskaberne ejer og driver aldrende udstyr. Derfor er det i stigende grad vigtigt at kunne følge den tilstand, de enkelte komponenter befinder sig i. Sammen med Siemens i USA er Konstant Net ved at udvikle helt nye ting; blandt andet at kunne forudsige fejl i nettet, før de skaber strømafbrydelser.

- Vi har lavet test på at kunne forudsige forskellige typer dårlige forbindelser, og det ser meget lovende ud, siger Poul Berthelsen, der var en af oplægsholderne på en temadag i arbejdsgruppen Det smarte net i regi af Branchefællesskab for Intelligent Energi tidligere på måneden.