ES-12 Dataanalyse og maskinlæring for bedre utnyttelse av dagens strømnett
Kontaktperson

Motivasjon og relevans
Norge skal nå sine klimamål, og viktige tiltak for å nå disse målene er elektrifisering og integrering av ny fornybar energi raskt. Strømnettet er "ryggraden" i energisystemet vårt, og det må nå tilpasse seg store samfunnsendringer. Den raskeste måten å elektrifisere på er å tilknytte seg det allerede eksisterende strømnettet, men er det plass i nettet til alt vi ønsker å tilknytte? Det er både tidkrevende og dyrt å bygge strømnett, i tillegg så kan det medføre nedbygging av natur og arealkonflikter. Det er derfor avgjørende å utnytte det strømnettet vi har best mulig. De siste årene har man begynt å utstyre strømnettet stadig flere måleinstrumenter og sensorer, og ved å analysere de innsamlede dataene kan vi få bedre oversikt over strømnettet. SINTEF Energi har spesialisert seg på å analysere kraftsystemet, og det trengs mer forskning på hvordan sensordata kan hjelpe nettselskapene med å ta bedre beslutninger.
Bakgrunn
Kraftledninger kan bare overføre en viss mengde elektrisk energi per sekund. Dersom man overfører mer, kan ledningen bli overopphetet. Kraftledninger, spesielt de som ligger over bakken, blir påvirket av geografiske forhold og værforhold: bakkeklarering, snø og ising, utetemperatur og vind er eksempler på dette. Disse forholdene er også med på å påvirke hvor mye strøm som kan overføres. Det er nettselskaper som eier og drifter strømnettet, og tradisjonelt sett har de driftet nettet etter konservative strømgrenser, og ikke systematisk tatt hensyn til disse eksterne forholdene. De siste fem årene har man begynt å utstyre nettet med stadig flere måleinstrumenter. Et eksempel på dette er Heimdall Power sine sensorer, kalt Neuroner, som sitter utenpå kraftledninger og kan måle temperaturen inni ledningen. Hvordan kan slik sensorikk hjelpe nettselskapene til å ta bedre beslutninger? Kan de for eksempel drifte nettet sitt mye smartere enn de gjør i dag, slik at vi kan få plass til enda mer produksjon og forbruk av fornybar energi i strømnettet?
Sommerjobben tilknyttes FME CINELDI, et senter for miljøvennlig energi som ledes av SINTEF Energi. Målsettingen i FME CINELDI er å utvikle et bærekraftig strømnett, som er miljøvennlig, kostnadseffektivt og robust. Oppgaven er tilknyttet et pilotprosjekt i CINELDI som skal undersøke om storskala instrumentering (ved hjelp av sensorer) og dataanalyse kan brukes til å drifte kraftsystemet mer fleksibelt, og hvordan dette kan hjelpe nettselskapene til å ta bedre beslutninger.
Oppgave
Oppgaven vil være tilknyttet CINELDI, og sommerforskeren vil ha kontakt med både Heimdall Power og aktuelle nettselskaper i løpet av sommeren. Arbeidet knyttes til analyse av data, blant annet fra Neuroner, fra et eller flere nettområder i pilotprosjektet.
Oppgaven består i å:
- Sette seg inn i problemstillinger knyttet til kapasitetsutnyttelse av kraftledninger
- Undersøke, bygge opp og teste ut metoder for dataanalyse og maskinlæring
- Finne ut hvordan resultatene kan tas i bruk for beslutningsstøtte
Mer informasjon om FME CINELDI.
Les blogginnlegget skrevet av en sommerforsker som jobbet med relaterte problemstillinger i 2023: Bedre utnyttelse av strømnettet med dynamiske kapasitetsgrenser
Forutsetninger
Det er en fordel at sommerjobberen har kjennskap til (eller er motivert for å sette seg inn i):
- Kraftsystemet
- Programmering (fortrinnsvis Python)
- Dataanalyse og maskinlæring
Hovedveileder: Maren Istad
Medveiledere: Susanne Sandell og Rubi Rana
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.
Stillingene fylles fortløpende. Vi anbefaler deg derfor å søke tidlig.
Søk her
Søknadsfrist er 5. november kl 23.59.
Se alle sommerjobber i SINTEF Energi