EN-04 Maskinlæring i leveringspålitelighetsanalyser
Motivasjon og relevans
Kraftsystemet er kritisk infrastruktur som det moderne samfunnet er avhengig av for å kunne fungere. Samtidig så er kraftsystemet vårt i endring, med økt elektrifisering og digitalisering, påvirkning fra klimaendringer, geopolitikk, ny teknologi og økende grad av kompleksitet, for å nevne noen eksempler. Derfor er det veldig viktig å forstå de truslene og sårbarhetene som kan påvirke forsyningssikkerheten, både i dag og i framtiden.
For å forstå dette må vi studere mange ulike scenarioer for kraftsystemet og skjønne hvordan disse scenarioene påvirker leveringspåliteligheten til kundene. Derfor har vi i SINTEF Energi utviklet metoder og verktøy for å gjøre nettopp dette.
Bakgrunn
Sommerjobben er relevant for flere SINTEF-prosjekter: VulPro er et prosjekt hvor vi utvikler kunnskap og metoder for langsiktige risikoprognoser for leveringspålitelighet i kraftsystemet. I RaPiD-prosjektet er målet å hurtig identifisere driftsstrategier som sikrer et motstandsdyktig transmisjonsnett. Felles for begge prosjektene er behovet for å regne på ulike scenario for bedre å forstå leveringspåliteligheten i dag og i fremtiden.
Ulike driftstilstander (last- og produksjons-scenario) blir systematisk kombinert med ulike utfall av komponenter i nettet, for deretter å finne eventuelle konsekvenser for sluttbrukere (strømkunder) ved hjelp av lastflytanalyser. Dette kan være tunge beregningsoppgaver, som krever mye tid å gjennomføre.
For å redusere antall driftstilstander en må regne seg gjennom (og dermed også tidsbruken) kan en for eksempel ta i bruk clustering-teknikker, hvor en finner et redusert sett med driftstilstander som representerer det fulle settet med driftstilstander i tilstrekkelig grad.
Oppgave
Arbeidet knyttes til implementering av tidligere utviklet metodologi for clustering av driftstilstander, samt videreutvikling i form av vurderinger av hvordan resultater ved bruk av ulike clustering-teknikker skiller seg fra resultater hvor clustering ikke har blitt brukt. Dette kan bidra til å utvikle heuristikker for hvordan slike teknikker kan brukes i praksis. Kandidaten forventes å sette seg inn i hvordan teknikkene fungerer, implementere nødvendig kode og utføre tester på et enkelt test-nett.
Det er ønskelig at arbeidet videreføres i en prosjekt- og masteroppgave.
Oppgaven består i å:
- Sette seg inn i clustering-teknikker og tidligere utviklet metodologi.
- Skrive program i Python, med støtte fra relevante pakker for formålet (eksempelvis PandaPower).
- Gjennomføre verifisering av kode på enkelt test-nett.
- Utforske og kommunisere konsekvenser og begrensninger ved bruk av clustering-teknikker i utfall- og konsekvensanalyser.
Oppgaven kan knyttes til prosjektene "VulPro - Prognosering av risiko og sårbarhet for anleggsforvaltning og nettutvikling" og "RaPiD – Fremtidens driftsstrategier i kraftsystemet", ved SINTEF Energi.
Forutsetninger
Det er en fordel at sommerjobberen har kjennskap til (eller evne til å sette seg inn i):
- Programmering og databehandling (fortrinnsvis i Python)
- Lastflytanalyser (DC- og AC lastflyt, OPF, utfallsanalyser)
- Grunnleggende kunnskap om statistikk og clustering-teknikker
Hovedveileder: Erlend Sandø Kiel
Medveiledere: Iver Bakken Sperstad og Håkon Toftaker
Slik søker du
Søknad, CV og karakterutskrifter lastes opp der du søker.
Hos SINTEF Energi kan du søke på opptil tre sommerjobber. Om du søker på flere sommerjobber sender du en samlet søknad. Jobbnummer for de ønskede jobbene legges som overskrift i søknadsteksten i prioritert rekkefølge (f.eks GT-01, TE-04 ...). Vi gjør oppmerksom på at søkere kan vurderes for andre sommerjobber enn de har søkt på.
Aktuelle kandidater vil bli kontaktet fortløpende. Vi oppfordrer deg derfor til å søke tidlig.
Søknadsfrist er 1. november kl 23.59.
Se alle sommerjobber i SINTEF Energi
