Lars-Håkan Axelsson, avräkningsansvarig på HEM Elnät
Halmstads Energi och Miljö använder AI för att avlasta medarbetarna från repetitiva uppgifter, undvika felaktigt godkända mätvärden – och för att ta fram prognoser för framtida belastning av elnätet. Här får du veta varför HEM satsade och vad som krävs för att komma i gång.
Halmstad Energi och Miljö
Halmstad
Att hitta en lösning för att validera mätvärden som även kunde analysera mätdata. Hem insåg att en AI-funktion kunde göra jobbet, men de visste inte exakt hur lösningen skulle kunna se ut.
Caset i korthet
Har du ont om tid? Vi har summerat det viktigaste åt dig här.
Situationen:
Halmstads Energi och Miljö, HEM, ville ha betydligt bättre kontroll på elanvändningen i kommunen. Elmätarna hemma hos invånare och företag gav ungefär 1 000 avvikelser i månaden som krävde manuell hantering för att avgöra vad som orsakades av fel på elmätarna.
Ett annat stort behov var att ta fram verktyg som underlättar elnätsplaneringen och ser till att kommunen kan leva upp till EU:s direktiv för flexibla elnät.
Resultatet:
Energibolaget har nu AI-verktyg på plats som stöttar rejält i arbetet. Antalet avvikelser i elmätningen som kräver manuell hantering har minskat till cirka 100 per månad. Den drastiska förändringen frigör 35 arbetstimmar per månad.
Med AI-stödda prediktioner och scenarier kan energibolaget jobba fram träffsäkra beslutunderlag för hur elnätet behöver anpassas och stärkas de kommande åren.
Lösningarna har skapat en AI-entusiasm i organisationen, nu när personalen ser vad som är möjligt med tekniken.
– Jag hör oftare frågor i stil med: ”Men den här uppgiften kan väl en robotiserad process eller AI sköta på ett bättre sätt?”, berättar Lars-Håkan Axelsson, avräkningsansvarig på HEM Elnät.
Vägen dit:
Ledningsgruppen för HEM bestämde sig redan för flera år sedan att ta mer hjälp av modern teknik som RPA:er (Robotic Process Automation), AI och sensorer.
Att robotisera repetitiva uppgifter gjordes tidigt, och det dröjde inte länge innan energibolaget även insåg värdet i att kunna analysera mätdata. Algoritmerna gör nu mycket av jobbet, lösningar som Atea-konsulten Henrik Stegeby har skräddarsytt åt HEM.
– Jag uppskattar att Atea har varit lyhörda för våra behov och på ett fokuserat och effektivt sätt utvecklat AI-funktioner som vi använder och som skapar värde, säger nätchefen Alexander Örning.
Energisektorn befinner sig mitt i ett paradigmskifte. Den globala energikonsumtionen beräknas öka med 50 procent fram till 2050, och en allt större del av vår energi behöver komma från sol, vind och vatten.
Omställningen ska dessutom gå ganska snabbt. År 2040 ska Sverige ha en energiproduktion som är 100 procent förnybar och 2045 ska vi vara helt klimatneutrala.
Men förnybar energi är volatil och utsätter näten för nya prövningar. Därför blir det allt viktigare med prognoser för hur näten kommer att belastas i olika scenarios.
Fler vill ha koll på sin elkonsumtion
Halmstads Energi och Miljö, HEM, är ett av Sveriges 170 energiföretag som befinner sig mitt i den pågående omställningen. Och ända sedan elpriserna sköt i höjden (augusti, 2022) har företaget fått ett växande antal frågor från bekymrade Halmstadbor.
– Dels vill man veta om uppgifterna på fakturan faktiskt stämmer och hur elräkningen kunde bli så dyr. Det är också fler som ber att få gå över till timtaxa (köpa el per timme), för att enklare kunna följa sin elkonsumtion, säger Lars-Håkan Axelsson, avräkningsansvarig på HEM Elnät.
Men redan 2017, när trenden att installera solceller och köpa (eller hyra) elbil började ta fart i Sverige, såg HEM att deras affärssystem reagerade på förändringarna.
– Vårt affärssystem ska reagera på avvikelser, så det var helt riktigt. Men algoritmen var för trubbig, vi kunde inte lägga in nya variabler som kunde hjälpa oss avgöra om skillnaden faktiskt var en avvikelse som behövde åtgärdas, säger Lars-Håkan Axelsson.
Solceller och elbils-laddning kunde ge röd flagga
Nu flaggade systemet för väldigt många avvikande ärenden, det räckte med att ett hushåll installerat solceller och plötsligt både levererade och konsumerade el på ett sätt som de inte gjort tidigare.
– Där vi tidigare haft 200 avvikelser under en månad hade vi nu 1 000. Och vi behövde gå igenom samtliga ärenden manuellt, beskriver Lars-Håkan Axelsson.
För att uppfylla Parisavtalets mål och begränsa den globala uppvärmningen till 1,5 grader spelar elnäten en central roll för distributionen av förnybar energi.
Kunskap och inspiration för att komma i gång
Sedan några år tillbaka hade ledningsgruppen för HEM bestämt sig för att möta pågående förändringar med modern teknik som RPA:er (Robotic Process Automation), AI och sensorer.
– Vi hade robotiserat ett antal enklare repetitiva uppgifter. Men för att kunna validera våra mätvärden behövde vi en lösning som även kunde analysera mätdata. Vi insåg att en AI-funktion kunde göra jobbet, men vi visste inte exakt hur lösningen skulle kunna se ut, säger Alexander Örning, nätchef på HEM.
Under samma period (2018) bjöd Högskolan i Halmstad och Atea in till ett seminarium på temat digitalisering. Alexander bokade in sig, lyssnade, funderade och började prata med Henrik Stegeby och Ali Leylani, båda AI-specialister på Atea.
Bollen var i rullning.
Granskning av mätvärden först ut
Sedan dess har Atea hjälpt HEM att ta fram fyra processer (funktioner, flöden) som bygger på AI.
Alexander Örning
– Den första funktionen vi utvecklade handlar om att undvika felaktigt flaggade avvikelser (samt felaktigt godkända värden) för kundernas elförbrukningsdata, i det här fallet på månadsfakturorna.
Något som i förlängningen kunde avlasta medarbetarna från repetitiva uppgifter. Resultatet blev ett AI-program som sorterar bort 90 procent av de avvikelser som inte behöver åtgärdas, säger Henrik Stegeby, Lead Architect AI på Atea.
Under ett halvår kördes det befintliga affärssystemet och AI-funktionen parallellt. Men när AI-funktionen var stabil var det dags att gå live.
– Nu har vi kört AI-funktionen skarpt sedan februari 2022. Vi ser att antalet avvikande ärenden som måste hanteras av en av våra medarbetare har minskat från 1 000 till cirka 100 per månad, vilket gett en tidsbesparing på cirka 35 arbetstimmar per månad, säger Alexander Örning.
AI tar fram prognoser för elförbrukningen
AI-specialisten Henrik Stegeby berättar: ”Algoritmerna går igenom 30 miljoner datapunkter i månaden”
Utöver funktionen ”Kontrollera avvikelser på månadsfakturan” har Atea utvecklat tre ytterligare AI-funktioner på uppdrag av HEM.
Funktion två är en beräkningsalgoritm som tar fram prognoser för HEM:s elförbrukning, där HEM har möjlighet att justera (manipulera) yttertemperaturen för att prognostisera olika scenarios.
– Prediktioner tas fram både framåt och bakåt i tiden. Vi kan exempelvis se hur nätet hade blivit belastat i december 2022, om vädret varit annorlunda. Baserat på den informationen kan vi göra antaganden om hur nätet kommer belastas i framtiden, förklarar Henrik Stegeby.
Energibehovet skjuter i höjden: Det globala energibehovet beräknas öka med 50 procent fram till 2050. Samtidigt behöver en större del av energin behöver komma från sol, vind och vatten.
Två av våra källor: U.S. Energy information administration & S&P Global
Elnätsbolagen blir viktiga aktörer i det nya energi-ekosystemet. Och simuleringar av nätbelastningar blir en värdefull del av del av deras utvecklingsarbete.
Ställer frågor till en mejl-bot
Den tredje funktionen är en mejl-bot som HEM:s medarbetare kan ställa frågor till. De kan få svar på frågor som: ”Vad händer med lasterna i nätet om det blir 10 grader kallare?” eller ”Vad händer om antalet elfordon i ett visst område ökar med ett visst antal eller med en viss procent? Och: Hur har el-konsumtionstrenden sett ut i detta område det senaste kvartalet?
– Syftet med mejl-boten är främst att förstå och planera för hur nätet kommer belastas framöver, var elnätet kan behöva förstärkas, när det är bäst tid för reinvesteringar och andra kritiska frågor, säger Alexander Örning.
Insikter, hur ett ökat laddningsbehov kan påverka
Webinar 9 maj | Det smarta elnätet - snabba besparingar och långsiktig planering med tillämpad AI
Lyssna in när vi berättar hur Halmstad Energi och Miljö har uppnått både snabba besparingar och byggt långsiktiga förmågor genom att bli mer datadrivna.
Läs om eventet
Den fjärde och senaste AI-funktionen handlar om batteriladdning och prognoser för hur ett ökat laddningsbehov kan påverka elnätet. Nu kan HEM alltså få svar på frågor som: ”Om Halmstadsborna går från 1 000 till 10 000 elbilar de kommande två åren, hur skulle det påverka elnätet?”
Vad är egentligen det största värdet som AI bidragit med så här långt, enligt HEM?
– Svårt att rangordna eftersom det handlar om vinster på kort och lång sikt. På kort sikt gav ju funktionen ”Kontrollera avvikelser på månadsfakturan” en påtaglig tidsbesparing och avlastning. Samtidigt är ju prognoserna för hur våra datadrivna elnät kommer behöva förstärkas framåt viktiga i ett längre perspektiv. Exakt hur viktiga är ju svårt att bedöma idag, säger Alexander Örning.
Reflekterar över arbetsuppgifter
Även Lars-Håkan Axelsson har märkt att kollegorna påverkats av den nya tekniken.
– Jag hör oftare frågor i stil med: ”Men den här uppgiften kan väl en robotiserad process eller AI sköta på ett bättre sätt? Vi har märkt vad som är möjligt. Den tid som vi frigjort har vi bland annat lagt på att besvara kundernas frågor som ju blivit fler, säger Lars-Håkan Axelsson.
Lyhörda för behov
Alexander Örning menar att HEM behövde inspiration för att komma i gång med AI, men när funktionerna väl börjat användas har en nyfikenhet och ett driv väckts hos medarbetarna.
– Jag uppskattar att Atea har varit lyhörda för våra behov och på ett fokuserat och effektivt sätt utvecklat AI-funktioner som vi använder och som skapar värde.
Med tanke på den stora omdaningen som pågår inom energibranschen borde vi snart se fler bolag som satsar på robotisering, analytics, sensorer och AI för att stärka och utveckla verksamheten.
Vad krävs för att våga ta de första stegen?
– Du behöver skaffa dig kunskap om vad som är möjligt, bli inspirerad. Och så behöver du identifiera ett område där AI kan skapa nytta. Till exempel identifiera avvikelser eller bidra med framtidsprognoser. Sen gäller det att du befinner dig i en snabbfotad verksamhet som vågar satsa, säger Alexander Örning.
Så skapar AI värde för HEM
I det dagliga arbetet:
- Undviker felaktigt godkända mätvärden.
- Avlastar medarbetarna i repetitiva uppgifter.
- ROI: 35 timmar besparing av arbetskraft per månad.
För prognoser och beslutsunderlag:
- Hur HEM:s elnät kommer belastas framöver.
- Prognoser för hur mycket el HEM behöver köpa.
- Planering av hur näten behöver stärkas framåt.
- Stöd för att leva upp till EU:s direktiv för flexibla elnät.
Möjliga AI-funktioner framåt:
- Serva kunderna med uppgifter om egen elförbrukning, historik och prognoser framåt.
- Beslutsunderlag för bättre inställningar av varmluftsswitchar, vilket kan minska energiförluster.
När kan vi påstå ”Vi använder AI”?
Definitioner: Henrik Stegeby.Kognitiv AI
Algoritmer som tränats i att uppträda som om de har mänskliga sinnen som: hörsel, tal, syn, känsel, eller till och med lukt. Självkörande bilar behöver exempelvis efterlikna mänsklig syn och upptäcka andra fordon (och bedöma hur snabbt de kör) samt när någon kliver ut på vägen
Analytisk AI
Analytisk AI används bland annat för att identifiera avvikelser, optimera flöden eller ta fram trender och prognoser. Analytisk AI tränas för en specifik funktion, som att bedöma hur långt ett tåguppehåll ser ut att bli när ett träd fallit över rälsen.
Machine Learning
Machine Learning är olika typer av metoder, en grupp av iterativa algoritmer som används inom AI programmering, både för Kognitiv AI och Analytisk AI. Dessa är (oftast) och i olika grad självlärande, de blir helt enkelt bättre i takt med att de får tillgång till mer data.
***********
Journalist: Ulrika Nybäck
Foto: Anders Andersson
Vill du veta mer om AI och hur du kommer vidare i din AI-resa. Kontakta gärna mig.
