I takt med at Danmarks elnet bliver mere og mere avanceret, bliver det sværere for mennesker og konventionelle it-systemer at overskue de beregninger, der skal sikre maksimal drift-sikkerhed.

Den udfordring håber Energinet.dk, at machine-learning kan hjælpe dem overkomme, skriver Version2.dk.

Derfor har Energinet.dk sat gang i et machine-learning-projekt, som skal vejlede medarbejdere og eksisterende systemer, når der skal træffes vigtige beslutninger om forsyningssikkerheden.

I machine-learning-projektet vil man sammenholde ustrukturerede data med strukturerede data. Det betyder, at man kombinerer data fra menneskelige rapporter med de strukturede dataset fra målinger på systemet.  

Energinet.dk håber, at projektet vil resultere i effektive algoritmer, der bedre kan vurdere, hvad der er klogt at gøre hvornår, for at opnå den største forsyningssikkerhed.

- I starten forestiller jeg mig algoritmerne som en form for rådgiver, der siger ‘i den her situation ville jeg foreslå dig at gøre sådan og sådan’ og så må medarbejderne vurdere, om det nu også er det rigtige at gøre. Men på sigt kunne man godt forestille sig, at det kommer til at køre helt af sig selv, siger Morten Gade, it-chef hos Energinet.dk.

Projektet hos Energinet.dk er endnu i sin vorden og i opstartsfasen holder man sig til at vurdere hvor brugbart machine-learning er i konkrete funktioner og delanalyser.

 Originalartikel