Til hovedinnhold

ES-02 Fremtidens driftsstrategier i kraftsystemet

ES-02 Fremtidens driftsstrategier i kraftsystemet

924 88 204

Maskinlæring for modellering av fremtidens motstandsdyktige driftsstrategier i kraftsystemet

Motivasjon og relevans

Samfunnet er kritisk avhengig av en tilfredsstillende forsyningssikkerhet for elektrisitet, og dette stiller krav til hvordan kraftsystemet planlegges og driftes. Kraftsystemet blir stadig mer komplekst, blant annet som følge av økt integrasjon av distribuert fornybar kraftproduksjon, mer ekstremvær og sterkere kobling mellom det nordiske kraftsystemet og kraftsystemene i Europa. Denne utviklingen medfører økende usikkerheter samt risiko og sårbarheter i systemet. I møte med disse utfordringene trenger kraftsystemoperatørene nye verktøy for å kunne sikre forsvarlig og økonomisk drift. 

Bakgrunn

Konvensjonelle metoder for beregning av kraftsystempålitelighet baserer seg på det deterministiske N-1-kriteriet, som sier at nettet skal driftes på en måte som gjør at det ikke blir strømbrudd hvis én enkelt linje faller ut. I fremtidens kraftsystem vil det istedenfor N-1 kriteriet brukes sannsynlighets- og risiko-baserte tilnærminger til kraftsystempålitelighet. En sannsynlighetsbasert tilnærming vil innebære at langtidsplanlegging av kraftsystemet i enda større grad enn i dag må sees i sammenheng med hvordan systemet driftes fra dag til dag, da driftstiltak utgjør en viktig del av spillerommet for å ivareta forsyningssikkerheten. 

I SINTEF Energi sitt forskningsprosjekt "Resilient and Probabilistic reliability management of the transmission grid" (eller RaPid-prosjektet) jobber vi med å utvikle metoder for å se langtidsplanlegging og daglig drift i sammenheng. Et steg på veien er å etterstrebe et motstandsdyktige kraftsystem - et kraftsystem som kan forutse, absorbere, tilpasse seg til og/eller raskt komme seg etter feil. Dette gjøres gjennom kombinasjonen av preventive, korrektive og gjenopprettende tiltak (hhv. tiltak før feil, tiltak etter feil og gjenopprettende tiltak etter avbrudd). Å kombinere disse tiltakene gir et stort mulighetsrom innen driftsstrategier, siden riktig bruk av preventive tiltak før feil vil være avhengig av hvilke korrektive tiltak som er tilgjengelig etter feil. Et stort mulighetsrom gjør dette regnetungt. Hvordan kan en da ta hensyn til driftsstrategi i langtidsplanlegging av kraftsystemet – et allerede regnetungt problem? 

Oppgave:

Studenten er forventet å bidra med utvikling og testing av maskinlæringsmodeller som etterligner mer kompliserte modeller, men som også er mindre beregningstunge. 

Oppgaven består i å:

Sette seg inn i oppgaven og eksisterende litteratur

  • Sette seg inn i tidligere utviklede modeller 
  • Utvikle og teste maskinlæringsmodeller 
  • Sammenligne maskinlæringsmodeller med tradisjonelle modeller
  • Dokumentere arbeidet i et notat
  • Holde en kort presentasjon av arbeidet

Arbeidsoppgavene kan tilpasses studentens egne interesser. Det vil være mulighet for å videreføre arbeidet i prosjekt- og masteroppgave. 

Forutsetninger

Det er en fordel at sommerjobberen har kjennskap til (eller evne til å sette seg inn i):

  • Programmering (fortrinnsvis Python, Julia)
  • Kraftsystemanalyse og forsyningssikkerhet
  • Statistikk og/eller maskinlæring

Medveiledere: Espen Flo Bødal, Erlend Sandø Kiel og Iver Bakken Sperstad

 

Slik søker du

Søknad sendes til: 

Vi trenger søknadstekst, CV og karakterutskrifter samlet i ett pdf-dokument. Hos SINTEF Energi kan du søke på opptil 3 energisommerjobber. Om du søker på flere jobber sender du en samlet søknad.

I tittel-/subjectfeltet skriver du navnet ditt og jobbnummeret på de sommerjobbene du søker på. Søker du på flere ber vi deg skrive jobbnumrene i prioritert rekkefølge (f.eks GT-01, TE-04 ...)

Søknadsfrist er 1. mars, aktuelle kandidater vil bli kontaktet fortløpende. Vi oppfordrer deg derfor til å søke tidlig.