Prosjektmål:
-
Utvikle kunnskap som muliggjør dyp integrasjon mellom maskinlæring (ML)-tilnærminger og kortsiktig optimering av av-/på-beslutninger i et deregulert kraftsystem
- Lage ML-basert beslutningsstøtte som kan øke effektiviteten i å generere daglige produksjonsplaner for norske vannkraftprodusenter, nøyaktig representere deres fysiske vassdrag og støtte deres bud strategier i energi- og kapasitetsmarkeder.
Bakgrunn:
Tradisjonelle optimaliseringsmetoder løser gjentatte ganger lignende problemer uten å dra nytte av erfaringen fra tidligere løsninger. På motsatt side får maskinlæring (ML) effektivt utnyttet erfaring fra historiske data og tidligere beslutninger. At det samme problemet med av-/på-beslutninger for komponenter løses hver dag med kun mindre endringer i inngangsdata er det perfekte grunnlaget for ML. Numeriske studier har vist at ML kan oppnå akselerasjon fra 2× til 260× i mange storskala problemer for kraftsystem uten noen observert reduksjon i løsningskvalitet.