Når vinden blåser, flyter strømmen – møt vinnerne av WindAI-konkurransen

Om konkurransen

For å kunne planlegge kraftproduksjonen på forhånd trenger Statnett nøyaktige prognoser om forventet vindkraftproduksjon i ulike geografiske soner. Målet med WindAI konkurransen var å utvikle mer presise og robuste modeller for å forutsi vindkraftproduksjon i Norge to dager i forveien. Dette er avgjørende for stabilitet i strømnettet og effektiv energiforvaltning.

Konkurransen hadde mange mål utover å løse en industriell utfordring; den har et stort element av opplæring av studenter i bruk av datavitenskap i energisektoren. Flere lag deltok som studentprosjekter og bidro med innovative ideer, og oppgaven kan fritt brukes i undervisning, sier Signe Riemer-Sørensen, medarrangør og leder av juryen.

Utfordringen var å levere et modellrammeverk for å forutsi vindkraftproduksjon to dager frem i tid basert på offentlige data, som automatisk kan tilpasse seg endringer i installert kapasitet. Men arrangørene ba også lagene om å tenke utover ren nøyaktighet og ta stilling til store, reelle spørsmål: Kan modellen håndtere endringer i vær og klima? Kan den forklare hvordan den gjør sine forutsigelser? Kan den forutsi usikkerhet – hvor sikker er den? Og kan den kjøres effektivt, med minimal datakraft?

Da konkurransen gikk mot slutten i månedsskifte september / oktober, nærmet stormen Amy seg den norske kysten – en påminnelse om vindens kraft og hvor kritisk viktig presise vær- og produksjonsprognoser er, også for å beskytte infrastruktur.

Vi lanserte WindAI-konkurransen for å skape nye ideer og modeller som kan forbedre våre vindkraftprognoser. I tillegg ønsket vi å skape større interesse for feltet ved å dele datasettene våre offentlig. Lagene leverte verdifull innsikt gjennom en minirapport og en videopresentasjon. Disse viste hvordan ulike modeller og funksjoner påvirket resultatene, og demonstrerte muligheten for å forutsi konfidensintervaller i prognosene. De beste lagene brukte gradient boosting-modeller, noe som viste at de mest avanserte modellene ikke nødvendigvis er de mest praktiske. Vi ble overrasket over at mange lag brukte tidsvariabler som input – en faktor vi ikke hadde forventet skulle påvirke resultatene, sier Kristian Authén, Senior Data Scientist i Statnett.

De deltakende lagene ble vurdert basert på nøyaktighet, pålitelighet og forklarbarhet, implementering og presentasjon, robusthet mot endringer og beregningskrav. Det siste kriteriet ble brukt for å skille lagene ved uavgjort.

Konkurransen vakte stor interesse: 61 lag registrerte seg, hvorav 9 deltok i den fulle utfordringen.

Alt i alt er vi svært fornøyde med innsatsen og dedikasjonen lagene har vist i denne konkurransen, og vi ser frem til å teste de beste innsiktene fra toppbidragene i våre egne prognosemodeller, fortsetter Authén.

Om vinnerne

Vinneren av konkurransen er EquiWindNerds, som mottar 50 000 kroner i premiepenger og får muligheten til å presentere løsningen sin for Statnett. Medlemmene av laget, alle ansatte i Equinor, er Nicolas Petitclerc, Thibaut Forest, Øyvind Steensland, Robert Dibble, Malavika Ramakrishnan og David Augustin.

Andreplassen gikk til lagene Knowit og WindSight. Lagene Brew-Booze og Bits leverte også sterke bidrag og ble rost for nytenkning og for hvor godt metodene deres passet til problemstillingen.

Denne konkurransen var en flott mulighet til å bygge videre på noe vi i Equinor allerede jobber med på Hywind Tampen, som leverer kraft fra vind til oljeplattformer på Gullfaks og Snorre i Nordsjøen. Der har vi utviklet en KI-modell for bedre å kunne forutsi vinden for den neste timen. Denne oppgaven var mer omfattende – hvordan kan vi si med større sikkerhet hva været vil være om to dager – kun basert på offentlig tilgjengelige data. Midt i evalueringsperioden kom stormen Amy, som vi også måtte ta høyde for. Det gjorde oppgaven veldig realistisk og virkelighetsnær, og jeg er glad for å se at tilnærmingen vår fungerte godt. Det hadde vært fantastisk om dette kunne utvikles til et produkt som kan gi reell verdi for vindkraftprodusenter, sier Nicolas Petitclerc, data scientist og teamleder for AI-vindløsninger i Equinor.