vindmøller Hydro. Photo: Anita Meisler/Hydro
Photo: Anita Meisler/Hydro © Photo: Anita Meisler/Hydro

Hydro

Maskinlæring for produksjonsprognoser på Tonstad vindpark

For å oppnå maksimal utnyttelse av vindkraften har Hydro, sammen med Norsk Regnesentral og Bouvet, utviklet maskinlæring og avanserte analyser for smart prediksjon, prognoser og rapportering

Trykk på taggene for å lese mer om hvor og hvordan vi benytter samme fag og teknologi

Utfordringen

Tonstad Vindpark ligger i Sirdal og Flekkefjord kommuner. Anleggsperioden til vindkraftverket begynte i april 2018 og ble avsluttet sommer 2020.  Med 208 MW installert effekt vil Tonstad Vindpark generere ca. 700 GWh med ren energi per år.

Dette tilsvarer forbruket til omtrent 30,000 husstander. Norsk Hydro har kjøpt all strøm som blir produsert og vil være ansvarlig for drift av vindkraftverket, ifølge Tonstad Vindpark sin egen nettside.

For å oppnå maksimal utnyttelse av vindkraften har Hydro, sammen med Norsk Regnesentral og Bouvet, utviklet fremtidsrettede løsninger som bruker maskinlæring og avansert analyse for smart prediksjon, prognoser og rapportering.

Fra kraftverket skal det meldes om forventet produksjon til Statnett et døgn i forveien. Forventet kraftproduksjon påvirkes av vær og vind, noe som ikke kan kontrolleres. Men ved bruk av maskinlæring og statistisk modeller har Hydro lykkes i å utvikle mer nøyaktige prognoser for produksjonen, enn det en enkel beregning basert på værvarselet gir.

 

Nytt Dashboard gjør produksjonsdata fra vindpark lett tilgjengelig 

Tonstad Vindpark inneholder enorme mengder data om produsert energi fra hver vindmølle, værforhold, og operasjonell status og feilkoder. 

Hydro ønsket å samle verdifull produksjonsdata fra Tonstad til rapporter og dashboards for driftsavdelingen i Hydro Energi. Bouvet har bistått med datainnhentingen fra vindparken, databehandling samt front end og UX. 

Hovedoppgavene i dette prosjektet har i hovedsak bestått av å hente inn data fra Tonstad, validere daten og normalisere dataen til et standardformat. Deretter ble det gjort akkumuleringer. Tidsseriene vi kom fram til skulle så vises i et dashboard.

En stor del av tiden min gikk til å sette opp kvalitetsmål på dataene, noe jeg gjorde i samarbeid med en data scientist hos Hydro.  Vi så på dimensjoner, som hvor komplett dataserien var, hvor troverdige dataene var, og (når vi brukte estimater til å tette hull) hvor kunstige de var. Her lærte jeg veldig mye, både om hva som er fornuftige kvalitetsmål å ha, og om hvordan en implementerer de.

Martin, konsulent i Bouvet

Teknologi

Prosjektene er realisert ved hjelp av ulike Azure-komponenter. Selve modellen er skrevet i statistikkprogrammeringsspråket R, og kjører i en Docker-container som styres med et enkelt API. 

Tidsserier, værvarsler og resultatene fra modellen lagres i og leses fra Data Explorer, for så å arkiveres i Azure Data Lake. 

Data flyter mellom de ulike tjenestene over Event Hubs. Datastrømmen orkestreres ved hjelp av Azure Functions. Produksjonsdata hentes fra OPC UA endepunkter i vindparken og til Azure, ved hjelp av et IoT gateway-produkt som eies av Hydro og Bouvet i fellesskap.

Dashboard
•  Databricks til backend 
•  Til frontend er det brukt React, med Grafana til visualiseringer.
 

Ansvarlig kontor: Haugesund

Kontakt oss

Ivar Kornbrekk
Enhetsleder