Om konkurransen
For å forhåndsplanlegge kraftproduksjon, trenger Statnett, som driver det norske strømnettet, nøyaktige beregninger av forventet vindproduksjon i forskjellige geografiske områder. WindAI-konkurransen var en utfordring om å utvikle mer nøyaktige og robuste modeller for å forhåndsberegne vindkraftproduksjon i Norge, to dager på forhånd. Dette er viktig for stabilitet i strømnettet og effektiv energihåndtering.
- Konkurransen hadde mange formål i tillegg til å løse en næringslivsutfordring, en stor del handler om å lære studenter å jobbe med datavitenskap i energisektoren. Flere lag deltok som studentprosjekter og bidro med innovative idéer, og konkurransen kan brukes fritt til læring, sier Signe Riemer-Sørensen, medorganisator og juryleder.
Utfordringen var å lage et rammeverk i form av en modell for å forhåndsberegne vindkraftproduksjon to dager på forhånd, basert på offentlige data, som automatisk kan tilpasses til endringer i installert kapasitet. Men organisatorene ba også lagene tenke utover bare nøyaktighet, og ta for seg noen store spørsmål fra virkeligheten: Takler din modell endringer i vær og klima? Kan den forklare hvordan den lager forhåndsberegninger? Kan den forutse usikkerhet - hvor sikker er den? Og kan den kjøres på en effektiv måte, med et minimum av beregningskraft?
Da slutten av konkurransens fant sted, mot slutten av september og tidlig i oktober, ankom stormen Amy Norges kyst og brakte med seg en påminnelse om vindens kraft og viktigheten av nøyaktig forhåndsberegninger – inkludert for å beskytte infrastruktur.
- Vi lanserte WindAI-konkurransen for å skape nye idéer og modeller for å forbedre våre beregninger av vindkraft. I tillegg ønsket vi å skape mer interesse for forhåndsberegningsfeltet ved å dele våre datasett med offentligheten.
Lagene ga oss verdifull innsikt i arbeidet de hadde gjort gjennom en kort artikkel og en videopresentasjon. Disse materialene demonstrerte hvordan forskjellige modeller og trekk ved dem påvirket resultatene og viste gjennomførbarheten av å forhåndsberegne overslag i prognosene. De beste lagene benyttet seg av modeller for gradient-forsterkning, noe som illustrerte at de mest avanserte modellene ikke alltid er best i praksis. Vi ble overrasket over at mange lag brukte tidsfunksjoner som input, en faktor vi ikke hadde forventet at skulle påvirke resultatene.
Alt i alt var vi fornøyde med hvor mye innsats og dedikasjon lagene viste i denne konkurransen, og vi ser fram til å teste de beste innsiktene fra vinnerbidragene i våre egne forhåndsberegningsmodeller, sier Kristian Authén, som er Senior Data Scientist hos Statnett.
Lagene som deltok ble evaluert baset på nøyaktighet, pålitetelighet og forklarbarhet, implementering og presentasjon, robusthet mot forandringer og behov for databeregningskapasitet. Det siste ble brukt for å ta en avgjørelse om det skulle bli uavgjort.
Det var stor interesse for konkurransen. Det var 61 registrerte lag, og 9 av disse deltok gjennom hele konkurransen.
Om vinnerne
Vinnerne av konkurransens er EquiWindNerds, som vil motta 50 000 kr. i premiepenger og muligheten til å vise sin løsning til Statnett. Alle medlemmene av laget er ansatte hos Equinor: Nicolas Petitclerc, Thibaut Forest, Øyvind Steensland, Robert Dibble, Malavika Ramakrishnan og David Augustin.
Andre- og tredjeplassen gikk til Knowit og WindSight. Lagene Brew-Booze og Bits sendte også inn flotte bidrag og fikk komplimenter for å være nyskapende og finne metoder som passet til løsning av dette problemet.