I går skrev vi om Uni Resarch i Bergen som har fått inntil 16 millioner kroner i midler fra Forskningsrådet for å lage et bedre langtidsvarsel for været. Dette er nyttig for mange bransjer, og spesielt nyttig for kraftbransjen. Så er da også Kraftselskapet Agder Energi en av aktørene som har hengt seg på prosjektet.
enerWE tok kontakt med Agder Energi for å høre mer om hva de håper å få ut av dette forskningsprosjektet.
– Agder Energi kjenner kompetansen som ligger hos UniResearch og Bjerknessenteret, og tror at prosjektet vil lykkes i å øke muligheten for å kunne bruke langtidsprognoser av vær i vår daglige drift.Vi håper at prosjektet vil resultere i langtidsvarsler med god troverdighet, samtidig som de er tilpasset våre spesifikke behov, sier Tarjei Breiteig, meteorolog og leder av avdeling for hydrologi og meteorologi i Agder Energi, til enerWE.
Bare det at Agder Energi har en egen meteorolog og en egen avdeling for dette, sier en del om hvor viktig været og værvarsler er for kraftbransjen. Han slår da også fast at dette er et område de allerede jobber mye med.
– Nå er det ikke slik at sesongvarsling av vær er nytt for oss, men vi håper at dette prosjektet, med den mengden av informasjon som er involvert, kan gi oss ytterligere kunnskap om været langt frem i tid, sier Breiteig.
Forventningene til forskningsprosjektet er store, men det er urealistisk å tro at det vil føre til nøyaktige langtidsvarsler. Gevinsten ligger i sannsynlighetsberegning av hva slags vær kraftselskapet må ta høyde for i et litt lengre perspektiv.
– Selv om været stort sett er uforutsigbart ut over 5-7 dager frem finnes det potensiale i klimasystemet til å gi pekepinn på om været ut over dette kan bli få avvik i forhold til normalen. Dette er viktig informasjon for et kraftselskap som Agder Energi. Hvis varslene overstiger en viss sannsynlighet, kan informasjonen brukes til å disponere vannet i magasinene etter dette, sier Breiteig.
Helt sikre blir man som nevnt ikke, men det er til stor hjelp å få en sannsynlighetsberegnet langsiktig værprognose.
– Hvis vi for eksempel får et varsel som med 75 prosent sannsynlighet sier at senvinteren blir kaldere enn normalt, vil vi kunne redusere produksjonen gjennom vinteren slik at vi har nok vannkraft tilgjengelig når kulda kommer og etterspørselen etter strøm stiger, sier Breiteig.
Det kan fort gi store utslag. Da det ble meldt at 2017 var det femte våteste året noensinne, tok enerWE kontakt med NVE for å høre hvor mye utslag det ga for norske vannmagasiner. De kunne da fortelle at det ekstra våte året sørget for hele 22,4 TWh mer tilsig enn vanlig.
For kraftselskapet er det først og fremst viktig å kunne bruke denne form for langtidsvarsling til å styre sin egen kraftproduksjon, men de ser også nytten i å bruke det til å se nærmere på hvordan det vil kunne påvirke kraftproduksjonen i andre energikilder og hvordan dette gir utslag i kraftprisene.
– All produksjon av fornybar energi er åpenbart prisgitt været, sier Breiteig.
For Agder Energi er det først og fremst vannkraft som gjelder, men de må også følge med på sol- og vindkraftproduksjonen.
– Kjernevirksomheten til Agder Energi er vannkraftproduksjon, og det er på dette feltet vi håper å nyttiggjøre oss av bedre sesongvarsler. Samtidig så er det viktig for oss å ha en så riktig som mulig oppfatning av kraftprisene fremover, og da vil også forventninger til sol- og vindkraftproduksjon, samt temperaturforhold, spille en rolle, sier Breiteig.
Han legger til at etterspørselen også avhenger av været. På kalde dager bruker for eksempel nordmenn ekstra mye strøm til oppvarming.
– Også etterspørselen etter strøm er i stor grad avhengig av været. Selv om også andre forhold påvirker kraftproduksjon, slik som priser på fossil energi (kull og gass), tilgjengelig kjernekraft og annet, er været er blant de aller viktigste driverne for tilbud og etterspørsel av strøm i det nordiske kraftsystemet, sier Breiteig.
Les også:
Forskere skal lage nytt langtidsværvarsel for kraftbransjen
Mye nedbør ga 22,4 TWh mer energi enn normalt i 2017
PODCAST: Nå satser oljebransjen på maskinlæring og digitalisering
– Det dreier seg ikke om algoritmene, det dreier seg om dataene
– Kraftselskapene bør ta i bruk maskinlæring så fort som mulig
I går skrev NRK.no at Vegdirektoratet skal bytte ut veilysene med LED-lys. Det gjør at det gule lyset erstattes med et hvitt lys, og det skal blant annet gi bedre sikt og dermed bedre trafikksikkerhet.
enerWE benyttet anledningen til å ta kontakt med Vegdirektoratet for å spørre om hvordan denne utskiftningen påvirker strømforbruket. Vi begynte med å spørre om hvor stor forskjell det vil være i strømforbruk pr. veilys.
– Forskjellen vil variere noe med hvilken effekt armaturen har i utgangspunktet (gamle armaturer med gult lys), men ca 20 til 30 prosent, sier Arne Jørgensen i seksjon for trafikksikkerhet. til enerWE.
Det er ikke bare det direkte strømforbruket som gir utslag.
– Det er imidlertid ikke her den vesentlige besparelsen ligger for den ligger i LEDens muligheter for dimming som de gamle ikke hadde. LED kan dimmes ned til ca 20 prosent lys og da følger effektforbruket nesten lineært med. For en gammel lyskilde så var det kun mulig å dimme denne i et trinn som da ga ca 50 prosent lys og kun 30 prosent besparelse i effektforbruk, sier Jørgensen.
Det blir fort store mengder strøm når det er snakk om alle veilysene som er montert langs veiene rundt om i landet.
– Det anslås at vi bruker ca 450 GWh til veilys på riks- og fylkesveger for hele landet i året, sier Jørgensen til enerWE.
Det tilsvarer det årlige strømforbruket til omtrent 18.000 boliger.
– Det er vanskelig å si noe om hvor mye vi vil spare når alt er skiftet ut. Utskifting av all eksisterende veilys på riks- og fylkesveger med damplamper (gult lys) vil ta mange år og utviklingen går videre og vi får stadig mer effektive lyskilder, sier Jørgensen.
Han anslår at med dagens kunnskap vil det være mulig å spare et sted mellom 40 og 50 prosent av strømforbruket når man sammenligner de gamle lysene med de nye.
En av grunnene til at det er vanskelig å anslå nøyaktig, er at det er store forskjeller på hvor mye strøm som brukes på forskjellige veistrekninger.
– Effektforbruket henger sammen med hvor mye lys det er krav til på vegen. Med økende krav til belysning på veien vil også effektforbruket øke. For noen år siden ble belysningskravene endret. Dette medførte at belysningsnivåene på motorveg ble halvert. Det vil si at en del motorvegstrekninger er overbelyst etter dagens krav. Noen av disse er allerede byttet ut med LED belysning med dagens krav til belysningsnivå, sier Jørgensen.
Det er også stor forskjell på strømforbruket i tuneller sammenlignet med vanlige veistrekninger, og det er delvis fordi lysbruken er veldig anerledes.
– Det er ikke lett å sammenligne belysning for veg og tunnel. Veibelysningen benyttes om kvelden og natten og belysning for tunneler benyttes hele døgnet med unntak av de høyeste nivåene i innkjøringssonene om dagen som da er avhengig av hvor mye lys det er ute i dagen, sier Jørgensen.
Her har veivesenet allerede kommet langt med utskiftningen.
– Både armaturer for innkjøringssonene og de som lyser hele døgnet utføres nå med LED. Før ble det benyttet lysrør for de armaturene som lyste hele dagen og damplamper for innkjøringssonene for å ta de høyeste nivåene, sier Jørgensen.
LED-lys har vært tilgjengelig lenge, men det er ikke gjort over natten å bytte ut veilysene.
– Vi har gradvis tatt dette i bruk siden rundt 2008. Dette for å skaffe oss driftserfaringer og at det ikke har vært tilgjengelig produkter med de høyeste effektene før de senere årene. Dette gjelder spesielt for de effektene vi trenger for innkjøringssonene til tunneler hvor det først de siste ca tre årene har vært tilgjengelige produkter som kan gi nok lys, sier Jørgensen.
Les også:
Veiene skal bli tryggere med hvitt lys
– Det har aldri blitt brukt like mye strøm i Norge som i 2017
Elbil vs trikk og t-bane
Så mye strøm bruker trikken og t-banen
Like før jul fikk Uni Research i Bergen tildelt midler til sitt nye sesongvarslingsprosjekt. Målet er å gi pålitelige værprognoser lengre frem i tid. Totalt kan det bli snakk om hele 16 millioner kroner til prosjektet Seasonal Forecasting Engine.
Med seg på laget har de fått med seg forskjellige aktører fra forskjellige bransjer. Det inkluderer Tryg forsikring, Kystvakten og Meteorologisk instititutt, og ikke minst Agder Energi fra kraftbransjen. For sistnevnte er et godt langtidsværvarsel særdeles viktig.
– De trenger sesongvarsler fordi det kan hjelpe dem i planleggingen av hvor mye de tømmer reservoarene sine. Vet de hvor mye snø det kommer, så kan de bruke det i planleggingen, sier klimaforsker og meteorolog Erik Kolstad i en kommentar på Bjerknessenterets eget nettsted.
Et godt langtidsvarsel vil kunne fortelle kraftbransjen mye om hvordan de må disponere vannet i vannmagasinene. Der går fyllingsgraden kraftig ned i løpet av vinteren og våren, før det begynner å ta seg opp igjen like før sommeren starter.
Hvis langtidsvarselet kommer med en prognose som tilsier en lang og kald vinter vil det ha stor påvirkning på hvor lenge vannmagasinene må holde, og hvor mye kraftprodusentene må holde igjen, samt hvor mye strøm forbrukerne må bruke til oppvarming. Samtidig vil mye nedbør i form av regn og snø si mye om tilsiget de kan forvente.
Med seg på laget har Uni Research også fått med seg Norsk regnesentral som skal utføre statistikkmodelleringen, samt forskere fra Geofysisk institutt i Bergen og Nansensenteret.
Mye av innsatsen vil gå med til å jobbe med «big data» og maskinlæring for å utvikle en god algoritme.
– I stedet for å kjøre dataene gjennom én modell, kjører vi dataene gjennom flere hundre modeller slik at vi får like mange prognoser som alle er like realistiske. Hvis for eksempel. 70 prosent av dem blir kalde, kan vi si med stor sannsynlighet at det vil bli kaldt, forklarer Kolstad til NRK.no.
Forskningsprosjektet går bredt ut, og det er flere enn kraftbransjen som har et stort behov for et bedre langtidsværvarsel. I sesongvarselet blir det gitt prognoser for temperatur, nedbør, havtemperatur, og havis, og dette er nyttig informasjon også for klimaforskere, landbruket, oppdrettssnæringen og shipping for å nevne noen.
– For eksempel ønsker vi å si noe om temperaturen på Vestlandet blir som normalt, eller kaldere eller varmere enn normalt (interessant for alle). Vi vil også prøve å si noe om hvor mye snø som vil legge seg i høyfjellet (interessant for kraftbransjen), om våren kommer tidlig (interessant for landbruket), og så videre, forteller Kolstad.
Resultatet fra forskningsprosjektet vil bli gratis så lenge det finansieres av Forskningsrådet.
Les mer om forskningsprosjektet på Bjerknessenterets hjemmeside og på YR.no.
Les også:
PODCAST: Nå satser oljebransjen på maskinlæring og digitalisering
– Det dreier seg ikke om algoritmene, det dreier seg om dataene
– Kraftselskapene bør ta i bruk maskinlæring så fort som mulig
Foreløpige produksjonstall fra Oljedirektoratet viser en gjennomsnittlig dagsproduksjon på 1.932.000 fat olje, NGL og kondensat i desember. Det er ein oppgang på 26.000 fat per dag sammenlignet med november.
Det totale gasssalget var 11,2 milliarder standard kubikkmeter (GSm3), og dette er 0,3 GSm3 mer enn måneden før.
– Oljeproduksjonen er ca fire prosent under Oljedirektoratet sin prognose og ca 1,7 prosent under prognosen for 2017. De viktigste årsakene til at produksjonen i desember er lavere enn ventet er at Goliat var stengd frem til 17. desember og tekniske problem og vedlikeholdsarbeid på noen andre felt, skriver Oljedirektoratet i sin statusoppdatering.
Den totale petroleumsproduksjonen i 2017 er på 238,7 millionar standard kubikkmeter oljeekvivalenter (MSm3 o.e.). Av dette er 92,3 MSm3 o.e olje, 22,2 MSm3 o.e NGL og kondensat, og det er solgt 124,2 MSm3 o.e gass. Totalvolumet er 6,0 MSm3 o.e. høyere enn i 2016.
Oljeproduksjonen falt fra totalt 94,0 millioner standard kubikkmeter oljeekvivalenter i 2016 til 92,3 millioner i 2017. Samtidig steg gassproduksjonen fra 116,7 til 124,2 millioner standard kubikkmeter oljeekvivalenter.
Oljeproduksjonen endte marginalt lavere i 2017 enn i 2016 selv om det i flere måneder ble produsert mer olje enn i samme måned året før.
Det svingte litt gjennom året, men totalt sett økte gassproduksjonen i 2017 sammenlignet med året før.
Salg av bensin og diesel har relativt store sesongmessige svingninger, men fra år til år er tendensen veldig klar. Salget av bensin har falt hvert eneste år siden 2010 samtidig som dieselsalget til biler og nyttekjøretøy har økt hvert år i samme periode.
Hver måned legger SSB ut oppdaterte tall for månedlig gjennomsnittspris for bensin og diesel, samt hvor mange millioner liter som har blitt solgt den måneden. enerWE har tatt en titt på tallene for å se på utviklingen over tid.
Vi begynner med prisene, og der ser vi at de har vært relativt stabile gjennom året. Det er da heller ikke så rart ettersom det ikke har vært noe avgiftsendringer i løpet av selve året.
For bensin har avgiften ligger på 5,19 kroner literen i veibruksavgift og 1,04 kroner literen i CO2-avgift. For diesel er veibruksavgiften 3,80 kroner literen, og de betaler samme CO2-avgift pr. liter. For begge kommer også momsen på 25 prosent i tillegg.
I snitt kostet bensinen 14,64 kroner literen i 2017. Den var billigst i desember da den i snitt kostet 14,23 kroner literen, og dyrest i september da den kostet 15.05 kroner literen.
Mange har nok fylt bensin for både mindre enn den laveste snittprisen og mer enn den høyeste. Det er fordi prisen på bensin svinger mye i løpet av uken, og SSB-tallene tar utgangspunkt i gjennomsnittstall for hver måned.
Dieselen lå i snitt på 13,44 kroner literen. Den var billigst i i oktober med en pris på 12,90 kroner og dyrest i november med 14,01 kroner literen.
Grafen viser den offisielle gjennomsnittsprisen for bensin og diesel for hver måned gjennom 2017.
Sett over tid har prisen på bensin og diesel steget gradvis oppover, samtidig som de har holdt seg på noenlunde samme prisforskjell.
Over tid har bensin- og dieselprisene steget jevnt og trutt
Ser vi på hvor mye som selges av bensin og diesel, er det interessant å merke seg at det selges mye mer diesel enn bensin, og at utviklingen går hver sin vei. Med alt fokuset som har vært på diesel de siste årene skulle man kanskje tro at dieselsalget ville falle, men slik er det ikke.
Siden 2010 har dieselsalget økt hvert eneste år siden 2010:
År
Millioner liter
2010
2.523
2011
2.619
2012
2.727
2013
2.802
2014
2.885
2015
2.979
2016
3.098
2017
3.116
Tilsvarende har bensinsalget falt hvert eneste år i samme periode:
År
Millioner liter
2010
1.625
2011
1.491
2012
1.393
2013
1,308
2014
1.235
2015
1.177
2016
1.153
2017
1.120
I løpet av året svinger salget veldig. For bensin er det høyest volum i juli. I fjor ble det solgt 116 millioner liter bensin i juli, mens det i februar kun ble solgt 78 millioner liter. I snitt ble det solgt 93,3 millioner liter i måneden i 2017. Til sammenligning lå snittallet på 118 millioner liter i måneden i 2010.
For dieselsalget var det litt mer jevnt fordelt på toppmånedene. På det meste ble det solgt 278 millioner liter på en måned, og på det laveste ble det solgt 231 millioner liter i april.
Dieselsalget er markant høyere enn bensinsalget. Bensinsalget var på sitt høyeste i sommerferiemåneden juli.
Les også:
Norge har verdens nest høyeste bensinpris
Norge har dyrest bensin i Europa selv om vi ikke har høyest avgift
Bensinprisen økte 2,5 ganger avgiftsøkningen
Nå utgjør avgiftene mellom 56 og 68 prosent av bensinprisen
Grønt bensinskifte gir økonomisk bakrus
En stasjon kan selge fra et par tusen liter til flerfoldige titusen liter daglig
Staten taper nesten 40 øre kilometeren på elbiler
Derfor faller bensinsalget
I 2017 dro staten, fylkene og kommunene totalt inn 811 milliarder kroner i skatt. Det er 55 milliarder kroner mer enn året før, og 23 av disse milliardene kom fra de økte skatteinntektene fra olje- og gassvirksomheten.
Ifølge oppdaterte tall fra SSB bidro olje- og gassbransjen med 23,7 milliarder kroner i ordinær skatt på utvinning, mens særskatten bidro med 41,4 milliarder kroner i 2017. Totalt utgjør det 65,1 milliarder kroner, og det betyr at bransjens skatt utgjorde 8 prosent av Norges skatteinntekter i fjor.
Disse skatteinntektene var hele 51 prosent høyere enn i bunnåret 2016. Da bidro bransjen kun med 16 milliarder i ordinær skatt på utvinning, samt 25 milliarder i særskatt.
Merk dog at dette ikke er det totale skattebidraget fra bransjen. I tillegg kommer også skatten fra leverandørdelen av bransjen.
Skatteinntektene fra olje og gass tok seg kraftig opp i 2017, men de er fortsatt langt unna nivået fra toppårene.
Les også:
Disse tre prosjektene vil gi Norge 52 milliarder kroner i skatteinntekter
235 oljeselskaper sto for en tredjedel av selsskapsskatten
Da SSB tidligere denne uken la frem oppdaterte tall for Norges import og eksport, lå fokuset på at det var rekordhøy fastlandseksport i 2017. Det ble også vinklingen i NTB-artikkelen, og i pressen generelt.
At fastlandseksporten stiger er selvsagt gode nyheter for Norge, og spesielt i en tid der det fokuseres mye på at vi må få opp eksporten fra andre næringer enn fra olje og gass nå som bransjen har vært gjennom en gedigen nedtur.
Totalt endte Norges eksportinntekter på 843,3 milliarder kroner, og det var en økning på 12,2 prosent fra 2016. Av dette utgjorde fastlandseksporten 418,7 milliarder kroner, og det var en vekst på 8,2 prosent.
Ser vi nærmere på tallene, ser vi at det også har vært et godt år for både olje- og gasseksporten.
Totalt eksporterte Norge råolje for 209,0 millioner kroner, opp fra 187,6 millioner året før. Mye av det skyldes høyere snittpris på oljen. Den lå på 418 norske kroner pr fat.
Økningen for gasseksporten var enda høyere, selv om totalsummen endte så vidt under oljeeksporten. Med 199,6 milliarder kroner ble det eksportert gass for 24 prosent mer i 2017 enn i 2016.
Legger vi sammen olje- og gasseksporten ender vi med en total på 408,4 milliarder kroner. Det er marginalt lavere enn den totale fastlandseksporten, men det utgjør hele 48,4 prosent av Norges eksport i 2017.
På månedsbasis svinger det veldig, avhengig av oljeprisen. Da den var på sitt laveste i fjor var fastlandseksporten høyere, men mot slutten av året da oljeprisen tok seg opp var olje-og gasseksporten høyere igjen.
Fra måned til måned svinger det veldig, men mot slutten av fjoråret var olje- og gasseksporten nok en gang større enn fastlandseksporten.
I dag, mandag 15. januar, arrangerer BI seminar om nye aktører og forretningsmodeller i petroleums- og kraftbransjen.
Der kom blant annet tidligere Fast-gründer John Markus Lervik for å fortelle om sitt nye selskap Cognite og hvordan de jobber med data for Aker BP og resten av olje- og gassbransjen.
Lervik mente at bransjen var preget av mange silo-baserte teknologier, løsninger og organiseringer, og at det går utover olje- og gassbransjens muligheter til å utnytte alle mulighetene som nå byr seg innen «big data», maskinlæring og dataanalyse. Det ble også bakgrunnen for selskapet han startet for å forsøke å takle problemstillingen.
– Vi startet Cognite for et år siden. Vi startet med en krevende kunde, Aker BP, og så har vi etter det bygd team og teknologi, sier Lervik.
Som en del av et overblikksbilde viste han til hvor mye verden har forandret seg i favør av IT-selskapene, og dro frem en slide der han viste hvordan de internasjonale oljegigantene tidligere toppet listen over verdens største og mest verdifulle selskaper, for så å bli erstattet av IT- og programvareselskaper.
– Oljebaronene har blitt erstattet av teknologiguttene fra Silicon Valley, sier Lervik.
Selskaper som Google, Facebook og Amazon har revolusjonert sine markeder. De har stort sett rettet seg mot forbrukermarkedet og har laget skalerbar teknologi som håndterer millioner av brukere med tilhørende datamengder på en kostnadseffektiv måte. Nå tror Lervik at tiden er inne for at denne typen innovasjoner også kommer for fullt inn i industrien, olje- og gassbransjen og det generelle B2B-markedet.
– Vi tror at det vil skje veldig mye av det samme innen B2B. Når vi går inn i olje og gass så er det enda mer komplekst, men det kommer til å skje her også, sier Lervik.
Før han holdt sin presentasjon, innledet BIs egne forelesere Atle Midtun og Jon Lereim med å blant annet gi skryt til bransjen for å klare å kutte kostnadene dramatisk ute på oljefeltene. Lervik støtter dette, men kommer likevel med et lite stikk til bransjen.
– Mye av det er jo bare på å skvise underleverandører. Det er ikke på fundamentale endring av hvordan man jobber, sier Lervik.
Han mener at bransjen nå må ta grep og bruke mulighetene som byr seg, og at disse mulighetene er store takket være en voldsom teknologisk utvikling i konsumentmarkedet (B2C).
– Det er mye som kommer fra konsumentverdenen, og dette må også inn i industrien, sier Lervik.
Det står ikke på at bransjen ikke vil eller at det ikke investeres i avansert digitalisering med big data.
– Det er veldig mange piloter og case studies, men det har ikke kommet så mye som har blitt tatt ordentlig i bruk, sier Lervik.
Lervik mener at flaskehalsen ikke ligger i verken viljen eller teknologiene, men at det er datagrunnlaget som skaper problemer.
– Det dreier seg ikke om algoritmene, det dreier seg om dataene, sier Lervik.
Han viser til at mange toppledere har et litt for enkelt syn på hva som må til. Alt for mange tror at problemet mer eller mindre løser seg selv hvis man ansetter en haug med folk som titulerer seg selv som data scientists. Det holder ikke, ifølge Lervik.
– Algoritmer og maskinlæring er ubrukelig uten tilgang på data, sier Lervik.
For Google og Facebook er det relativt enkelt. De har stort sett tilgang til det de trenger av data i form av «likes», søk og tilhørende informasjon når brukerne bruker tjenestene deres. Slik er det ikke for olje- og gasselskapene.
– For et oljeselskap er dataene strødd «all over the place», sier Lervik.
Lervik peker på at det er en stor utfordring at dataene ligger i mange forskjellige applikasjoner.
– Hvis man ansetter data scientists må de bruke 90 prosent av tiden sin på å hente ut dataene. Man får ikke tak i dataene fordi de sitter i mange forskjellige siloer, sier Lervik.
Og det er her Lervik tror at hans selskap har funnet en viktig nisje som han håper og tror blir en avgjørende brikke i bransjens digitalsiering og bruk av store datamengder.
– Det Cognite gjør er noe så enkelt som å koble seg på applikasjoner og koble dataene sammen, sier Lervik.
I seg selv er det ikke superavansert, men det blir fort store datamengder som skal håndteres.
– På Ivar Aasen er det omtrent 100.000 sensorer. På Johan Sverdrup blir det to til tre gangeren, sier Lervik.
Det betyr ikke at problemet er løst. Tvert imot. Selv om sensorene er der, er de i alt for liten grad knyttet opp mot utstyret de måler data fra.
– Kanskje bare 50-60 prosent av sensorene har en id som er koblet til utstyret, sier Lervik.
Dermed blir det umulig å gjøre dataspørringer der man raskt lager en rapport med data fra alle sensorer som er i bruk på en spesifikk teknologi eller løsning.
– Det Cognite gjør er å produktifisere koblingene slik at dataene er tilgjengelig 24/7, sier Lervik.
Han mener at dette er en jobb som uansett må gjøres, og at de store gevinstene kommer når man har gjort denne jobben.
På spørsmål om hvor store mengder det er snakk om, viser han til datamengden de opererer med allerede nå i dag.
– Det er over tusen milliarder datapunkter som ligger der fra før, og så kommer det ca 800.000 nye hvert sekund, sier Lervik.
Les også:
Kraftselskapene bør ta i bruk maskinlæring så fort som mulig
Digitalisering er et mye omtalt tema i både kraft- og oljebransjen nå for tiden. Det er et omfattende emne, og en del av det er bruken av kunstig intelligens i form av maskinlæring.
enerWE tok en prat med selskapet AiaScience som har spesialisert seg på å jobbe med løsninger for dette for å høre litt om hva oljebransjen og kraftbransjen bør bruke maskinlæring til, samt hvordan maskinlæring vil påvirke bransjen.
De slår raskt fast at det ikke er et spørsmål om hvorvidt bransjen må ta maskinlæring i bruk eller om de kan la være.
– Kraftselskapene bør ta maskinlæring i bruk så fort som mulig, sier Odd Johan Svendsli, CEO i AiaScience til enerWE.
Han får umiddelbart støtte av sin teknologidirektør.
– Enten må kraftselskapene ta tak i dette, eller så går pengene til kraftmeglerne som tar maskinlæring i bruk, sier Atle Vesterkjær, CTO i AiaScience.
Maskinlæring er enkelt
Maskinlæring har gitt imponerende løsninger innen for eksempel førerløse biler, ansiktsgjenkjenning, automatisk oversettelse av språk og søketeknologi. Når man får presentert matematikken som ligger til grunn, ser det fort veldig komplisert ut. Mange ser derfor på maskinlæring som noe spesielt komplisert, omtrent som programvarebransjens svar på rakettforskning.
i AiaScience har de en annen tilnærming. De mener tvert imot at maskinlæring er noe som er enklere enn vanlig programmering.
– Jeg vil si at maskinlæring er en enkel løsning. Jeg synes det er mye vanskeligere å bestemme på forhånd hvordan jeg vil ha det i alle mulige tilfeller, sier Svendsli.
CTO Vesterkjær viser til at man med maskinlæring ikke trenger å programmere en løsning på hvert eneste problem som programvaren vil møte på, men at man i steden kan programmere den til å lære seg selv.
– Den justerer seg, og så blir det nærmere og nærmere det optimale over tid, sier Vesterkjær.
Kraftstyring
I kraftbransjen er det mange områder der maskinlæring har et stort potensiale for å gi gode resultater.
Et av områdene som AiaScience trekker frem er kraftstyring, det vil si det å holde orden på strømnettet og gjøre justeringer for å dekke behovet og gjøre nødvendige justeringer underveis. Her kan det dukke opp mange utfordringer. For eksempel kan vind- og solforhold gi store utslag på hvor mye kraft som produseres fra vind og sol, samt at vedlikehold og problemer i nettet kan kreve grep for at strømnettet ikke bryter sammen.
I USA har de tatt maskinlæring i bruk for å styre dette, med godt resultat.
– De er nærmere sammenbrudd. Der må de være mye mer forsiktig, sier Svendsli.
I Norge har vi et stabilt og velfungerende nett, og selv om det nå står foran store oppgraderingskostnader, så er det ikke like presset som deler av det amerikanske strømnettet. Det betyr ikke at det norske strømnettet ikke trenger en bedre styring.
– Du har de samme utfordringene i Norge, ihvertfall når du har enkelte nett nede for vedlikehold, sier Vesterkjær.
Vedlikehold av strømnettet
Maskinlæring egner seg også veldig godt til å effektivisere vedlikeholdet av strømnettet.
– Med maskinlæring kan du overvåke når ting fungerer som vanlig. Finne ut hvilke sammenhenger og årsaker som er vanskelig å finne bare med lommelykt, sier vesterkjær.
Så kan man bruke maskinlæring til å gå over alle variabler på deler for å se når de bør byttes ut eller vedlikeholdes. Dette kan baseres på statistikk for når det er sannsynlig at noe feiler, men det kan også gå dypere til verks ved å se etter tegn på at noe er i ferd med å gå galt.
– Maskinlæring er god på å finne gradvis reduksjon i ytelse som skjer så sakte at vanlige mennesker ikke ser det, sier Svendsli.
– Når endringene begynner å aksellerere vet du at du nærmer deg et punkt der en feil kan skje. Så kan du fikse det før det blir totalt sammenbrudd, sier Vesterkjær.
Det betyr ikke automatisk at man bør rykke ut og fikse det der og da.
– Kanskje du har backup så det er bedre å la det skje, og så fikse når du har tid eller det er lyst og dagtid, sier Vesterkjær.
Flyvende automatiserte kikkere
Maskinlæring blir brukt på droner som inspiserer linjespennene, men i et energiperspektiv er det kanskje mer interessant at maskinlæring også brukes til å studere bildene som dronene tar.
– Maskinlæring brukes til å analysere bildene for å se etter typiske feilsituasjoner, og så ta ut områder der maskinlæringen ikke kjenner igjen. 99,9 prosent av bildene vil være uinteressante, og med maskinlæring slipper man å se på de, sier Svendsli.
Energifleksible hjem
Maskinlæring vil også bli viktig for strømforbruket i vanlige private hjem. Hvorvidt det er dagens kraftselskaper eller nye aktører som vinner frem med sine løsninger og tilbud gjenstår å se, men potensialet er i hvert fall der.
Det er fullt mulig å bruke maskinlæring på alt som finnes i huset, og samtidig sette opp et svært avansert hjem der alt er på nett og digitalisert.
Når det gjelder strømsparing og tilpasning til eventuell fremtidig timesprising og den varslede effektprisingen, tror ikke AiaScience at batteriene er den store løsningen.
– Batteriteknologi er en dyr løsning. Det er bedre å utnytte energifleksibiliten som allerede er der, sier Svendsli.
De trekker frem varmtvannstanken som en god batteriløsning.
– Det har ikke noe å si om den varmes opp klokken 09:00 eller 15:00, sier Vesterkjær.
Det samme gjelder også elbilen. Den må ikke nødvendigvis lades med en gang man kommer hjem. Ofte kan den vente til natten.
– Lyspærer spiller ingen rolle for totalforbruket. Det samme gjelder TV-en. Det som koster energi er varmtvannstanken, elbillading og varme/klimastyring. Alle andre ting drukner egentlig i de tre, sier Svendsli.
Disse tre er alle fleksible energiforbrukere. Det har ikke så mye å si når det blir gjort, og det kan utnyttes. AiaScience ser for seg en energifleksibilitet som utnyttes på lokalt nivå.
– Energifleksibiliteten kan utnyttes på enkeltbolig, i et nabolag eller en bondegård. Jo større samling jo lettere blir det, sier Svendsli.
Så lenge det er en lokal energiproduksjon, typisk i form av et solcelleanlegg, vil det egne seg godt til dette.
Smarte hjem
Maskinlæringsalgoritmer kan også bidra til smarte hjem. Den kan for eksempel koble seg opp mot strømforbruket og så justere bruken når det passer best i forholdt til øvrig strømforbruk og de varierende strømprisene.
Mage hvitevarer kommer allerede med primitive mekanismer for dette i form av tidsinstillinger. Det er for eksempel mange oppvaskmaskiner som har muligheten for å utsette oppstart med et par timer, eller som kan settes til å starte på natten.
– Oppvaskmaskiner er jeg litt skeptisk til. Det å sette på vaskemaskin midt på dagen når du er langt hjemmefra. Det blir jo ikke anbefalt blant annet på grunn av brannfare og fare for vannlekkasje. Dessuten utgjør det så liten forskjell, sier Svendsli.
Svendsli er forøvrig litt skeptisk til hvor avansert smarte hus trenger å være.
– Jeg tror ikke man trenger intelligent styring på hele huset. Det er bare masse trøbbel å sette opp, og så blir man lei og går tilbake til brukeren, sier Svendsli.
Han anslår at det kanskje er 3-5 ting det er verdt å styre, og at mye av dagens løsninger bærer preg av teknologer som synes det er gøy å sysle med det uten at det nødvendigvis gir så store konkrete resultater.
– Jeg går fort lei av sånt, og så går jeg tilbake til det gamle. Det er gøy å programmere det, og sette det opp, sier Svendsli.
I mange tilfeller kunne mye vært løst med langt enklere løsninger. Det kan for eksempel være å justere oppvarmingen av varmtvannsberederen.
– Et tidsur kan i praksis håndtere dette for det er bare to peaker, sier Svendsli.
I en mer avansert form kan den kobles opp med maskinlæring.
– For elbiler kommer dette inn som standard etterhvert, og det finnes gode løsninger allerede, sier Svendsli.
Kan løse effektprisingsproblemet
Slik strømprisingen fungerer i dag vil det ikke gi stort utslag for strømforbruket eller strømregningen å ta i bruk maskinlæring i hjemmet, men det kan få større effekt når eller hvis effektprising blir en realitet.
– Maskinlæring vil fjerne effektprisingsproblemet, sier Svendsli.
Helt perfekt blir det nok ikke, og det kan for eksempel bli nødvendig å overstyre på dager som er overraskende kalde. I hvert fall frem til maskinlæringen har tatt til seg denne læringen.
Slik er det alltid med maskinlæring. Den baserer seg på historiske erfaringer, og det vil alltid kunne dukke opp nye unntak hvor et menneske har en bedre vurderingsevne.
– Du må alltid ha en stemme som kan overstyre, sier Vesterkjær.
– En maskinlæringsalgoritme må hele tiden oppdateres slik at den er fersk og tar hensyn til nye data, sier Svendsli.
Start med maskinlæring nå
På spørsmål fra enerWE om hvor kraftselskapene bør begynne med maskinlæring – hvis de ikke allerede er i gang, er det nettverksovervåkningen som trekkes frem som det første området.
– Jeg ville sett på det å overvåke nettet ditt. Se på modellene du kjører i dag der man bruker mange timer på beregninger. For eksempel der du beregner overføringskapasitet. Hvor mye skal man produsere når? Har man muligheten til å flytte kraften dit det trengs. Vil det lønne seg å vente en dag?, sier Svendsli.
Han trekker også frem at det er lurt med en tilnærming er man prøver å automatisere tingene som de som jobber med det ser hver dag.
Og på det obligatoriske spørsmålet om hvorvidt maskinlæring kommer og tar jobbene fra folk, er AiaScience litt oppgitte over spørsmålsstillingen.
– I dag ansetter fire av fem bedrifter som har tatt i bruk maskinlæring flere folk fordi de driver bedre og får bedre økonomi og kan utvide driften sin, sier Svendsli.
– Det samme kommer til å skje denne gangen. Det blir flere jobber og folk får det bedre, sier Vesterkjær.
