Mašininiu mokymusi grįsta ESO saulės jėgainių gamybos analizė

Didėjantis gaminančių namų ūkių skaičius sukuria didelius elektros apkrovos ir gamybos duomenų kiekius, tinkamus analizei. ESO, kaip aktyvus skirstymo tinklo operatorius, pradėjo naudoti šiuos duomenis papildomoms paslaugoms klientams kurti ir teikti. Šiuolaikiniai mašininio mokymosi metodai ir geresnė duomenų prieiga leidžia kurti inovatyvias išmaniąsias paslaugas vartotojams.

2021 m. vasaros laikotarpiu ESO išbandė naują duomenų analizės idėją. Tuo metu organizacija jau turėjo didelį kiekį valandinių elektros energijos vartojimo duomenų iš gaminančių vartotojų. Taip pat buvo žinoma apie pasitaikančius saulės elektrinių, įrengtų vartotojų objektuose, gedimus. Kilo klausimas, ar įmanoma atskirti sugedusios saulės elektrinės duomenų modelį nuo įprasto veikimo. Šiam uždaviniui spręsti buvo pritaikyti keli skirtingi mašininio mokymosi algoritmai. Atlikus tam tikrus optimizavimo veiksmus, dalis jų pradėjo rodyti daug žadančius rezultatus. Buvo priimtas sprendimas vieną vasaros sezoną išbandyti sprendimą realių gaminančių vartotojų duomenimis.

Bandomasis projektas buvo sėkmingas – 2021 m. vasarą iš viso 60 klientų buvo informuoti apie galimus jų saulės elektrinių veikimo sutrikimus. Po projekto atlikta apklausa patvirtino teigiamus rezultatus: daugiau nei 90 % prognozių buvo teisingos (be klaidingų neigiamų nustatymų). Šiandien naujoji paslauga yra sukurta ir jau įdiegta ESO kasdienėje veikloje.