AI-specialisten Henrik berättar: ”Algoritmerna går igenom 30 miljoner datapunkter i månaden”

Behovet att utföra manuella kontroller av misstänkta elmätarfel har i Halmstad sjunkit från 1000 ärenden i månaden till 100. Tack vare ”en ny typ av matematik”.

– För mig är AI den nya vetenskapen. Det är för avancerat för att kalla det grundforskning. Det är i viss utsträckning ett nytt sätt att arbeta med matematik där man enkelt kan formulera iterativa algoritmer och avancerade ekvationssystem, säger han.

Vad "iterativa algoritmer och avancerade ekvationssystem" innebär ska vi inte gräva ner oss i här. Låt oss nöja oss med att de banar väg för utveckling i helt nya hastigheter. Innan han blev del av Ateas växande grupp AI-specialister har han bland annat doktorerat i kvantfysik, varit backend-utvecklare, systemutvecklare och jobbat med BI-visualiseringar. Henriks AI-arbete för Halmstad Energi & Miljö (HEM) inleddes redan 2018. Där har han fått utlopp för både sitt logiska och kreativa sinne; alla hans kunskaper i logik, matematik, formler och statistik har kunnat appliceras för att skapa nytta.

– Det som driver mig är alla små tillfredsställelser jag känner när varje delmoment lyckas. Mest belönande är det förstås när helheten fungerar. Som när algoritmerna träffsäkert särskiljer rimliga och orimliga avvikelser i den redovisade elförbrukningen. Eller som när artificiell intelligens kan ge HEM specifika belastningsprognoser för olika delar av elnätet (exempelvis hur en temperatur på -12 grader en viss dag anstränger ett visst kvarter eller en stadsdel). Vi börjar med avvikelserna.

Så upptäcker datorn orimligheter i den redovisade elförbrukningen

Att använda AI för att upptäcka avvikelser är inget unikt. Tekniken används till att avslöja allt ifrån kortbedrägerier till cancer.

När det gäller el-avvikelser i Halmstad går det till så här, förklarar Henrik:

• En mängd olika algoritmer, samt statistiska och matematiska funktioner, gissar vad förbrukningen bör ligga på en viss månad.
• Om ingen av de olika metodernas gissningar kommer i närheten av det faktiska värdet, görs en historisk graf-analys som tittar närmare på om det finns en naturlig förklaring till att värdet avviker från modellernas gissningar.
• Upptäckts ingen naturlig förklaring i den analysen flaggas ärendet så att det kan bedömas manuellt.

Väger in en mängd olika parametrar

AI-programmet viktar en mängd olika parametrar i sina gissningar: 

• Den parameter som tydligast signalerar kunds förväntade elförbrukning är kundens egen historiska data. Till exempel, om kundens förbrukning varierar mellan 150 och 200 kWh en vanlig sommarmånad, så är en rimlig gissning – om man enbart tog hänsyn till denna parameter – att förbrukningen även nästa sommarmånad blir mellan 150 och 200 kWh.
• Den näst viktigaste parametern: Gruppens beteende.
  – Elkonsumtionen är ofta kopplad till hur det ser ut hos andra, motsvarande kunder. Ett område där fastigheterna värms med el har ett helt annat mönster i sin förväntade elförbrukning än ett område som har vattenburen centralvärme. Det är sådant som behöver väges in. Sommarstugor och butiker har också sina egna mönster, säger Henrik.
• Den tredje viktigaste parametern är faktorer som har med vädret att göra.
  – Det är mycket i vädret som påverkar elförbrukningen.  Soltimmar, blåst, luftfuktighet, regn. Men temperaturen är det mest avgörande. Soltimmar påverkar bara marginellt hos de flesta, men hos de som har solpaneler är det rimligt att elförbrukningen går ner vissa soltimmar.

AI:n upptäcker när en kund har skaffat en elbil

Om elförbrukningen plötsligt ökar drastiskt, kan det även bero på att kunden har skaffat sig en elbil. Henrik berättar hur AI-programmet upptäcker detta – utan tillgång till bilregistret.

– Vi ser ju timdata, snart även kvartsdata, för varje kund. Så det syns när kunden stoppar i kontakten till sin elbil, för strömmen ökar i den omfattningen. Den ökade elförbrukningen håller sedan i sig under en viss tid, vilket säger något om kapaciteten på bilens batteri. Programmet kollar upp hur ofta denna ökade elförbrukning sker, på vilka tider, och avgör rimligheten i det. Om den sker för ofta, för sällan, eller återkommer på tider som inte är normalt för elbilsladdning, så är det troligen inte någon typ av batteriladdning.

Scenarieplanering: När riskerar elbilarna att överbelasta elnätet?

Om alla kunder laddar bilen när de kommer hem från jobbet, då kan – teoretiskt – elnätets kapacitet slå i taket. Inte överallt, men på vissa områden.

Frågan är exakt var, och under vilka förutsättningar, elnätet kan bli överansträngt.

Henrik gjorde den mejlbot som HEMs medarbetare kan ställa frågor till för att få besked om hur elnätet klarar av olika temperaturscenarier, eller hur belastningen blir när användningen av elbilar ökar:

– Utmaningen ligger i att räkna ut hur mycket temperaturen påverkar elkonsumtionen för olika typer av områden. En del områden är väldigt temperaturberoende, andra är inte det. AI:n ger sina bästa gissningar, och skickar dem filer via mejl som sedan kan matas in i deras program.

Förutom att HEM får lättare att planera hur mycket nya elkablar som behöver grävas ner i marken, och på vilka platser, och även automatisera lastfördelning, ger AI:n andra insikter:

– Exempelvis har AI-modellen sett hur elpriset har dämpat den förväntade ökningen av elbilsladdning sedan 2021.

Stora AI-vågen kommer om 2-5 år

Henrik har jobbat med HEM i snart fem år nu, och nästa steg i utvecklingen framåt för Halmstad är inte offentlig ännu.

– Men generellt kan man ju konstatera att det finns många processer som kan optimeras med hjälp av AI. Det gäller alla typer av företag och kommuner. Där det finns stora mängder data, där kan saker förbättras med hjälp av AI-algoritmer.

Om 2023 är året då AI fått sitt riktigt stora genombrott, med ChatGPT och andra tjänster som fått stor uppmärksamhet, så tror Henrik att den stora vågen av AI-efterfrågan i verksamheter kommer om 2-5 år:

– Den stora efterfrågan kommer i takt med att fler vänjer sig och blir bekväma med att använda AI i olika sammanhang.

Nycklar för att lyckas med AI-projekt

Ateas AI-grupp, som Henrik Stegeby ingår i, är fokuserad på att hjälpa den offentliga sektorn och näringslivet att effektivisera sin verksamhet, utveckla nya och befintliga tjänster, och öka takten i sin digitala transformation med hjälp av artificiell intelligens.

Det viktigaste är inte att göra allt på en gång. Utan att börja. Att skaffa erfarenheter. Det är vad som ger framgång. Vilka är nycklarna för att lyckas med AI-projekten? Så här svarar Henrik:

– Om jag utgår från det här fallet så vi haft en rak och ärlig kommunikation – om vad som funkar, hur osäker tidsåtgången kan vara, att uppdraget kan behöva styras om beroende på hur de initiala testerna går. För att detta ska fungera tror jag att det är superviktigt att bygga förtroende med kunden.