Kraftsystemet er utstyrt med en rekke sensorer som til enhver tid overvåker strømmen og spenningen som flyter gjennom systemet. Mange av disse sensorene er svært høyoppløste, og kan registrere nye målinger flere tusen ganger per sekund. Med så høy oppløsning kan sensorene registrere selv svært små forstyrrelser i systemet, som for eksempel kan være forårsaket av komponenter som er skadet eller svekket, men som ikke ennå har brutt fullstendig sammen.
Det vil være svært verdifullt om slik begynnende svikt kan bli oppdaget på et tidligst mulig tidspunkt, slik at tiltak kan iverksettes før et fullstendig sammenbrudd i en komponent eller en del av systemet. Det er dette EarlyWarn skal forsøke å bidra til.
Samtidig er det klart at slike sensorer produserer enorme mengder data. Manuell analyse av disse er svært tidkrevende, og helt umulig å gjøre kontinuerlig eller i sanntid. EarlyWarn tar derfor i bruk teknikker fra Big Data, kunstig intelligens og maskinlæring til å automatisk og kontinuerlig overvåke måledata, for å kunne varsle operatørene i kraftsystemet om ustabiliteter eller forstyrrelser som ellers ikke ville blitt oppdaget før de eskalerer til mer alvorlige hendelser.
Prosjektpartnere:
- Statnett
- NTE
- Lyse Elnett
- Nettalliansen / Hallingdal Kraftnett
- NTNU
- SINTEF Digital
- Hydro Energi AS
- Haugaland Kraft AS Nett
Dette er et KPN-prosjekt finansiert av Norges Forskningsråd under ENERGIX-programmet.
ENERGIX er Forskningsrådets store program for energiforskning. ENERGIX-programmet støtter forskning på fornybar energi, effektiv energibruk, energisystem og energipolitikk. Det er et viktig virkemiddel i implementeringen av den nasjonale FoU-strategien Energi21 og andre energipolitiske mål.