Komplexitet relaterat till tolkning och datavolym har gjort att potentialen hos probabilistiska prognoser – prognoser som bygger på sannolikhetsberäkningar – inte utnyttjas inom energisektorn. För att lösa detta vill vi skapa en dataportal, möjlig att läsa med maskiner, kopplad till maskininlärningsalgoritmer. Vi vill skräddarsy förbättrade väderprognoser för att bättre stödja behoven hos gröna energiapplikationer.
Våra smarta lösningar optimerar specifika energisystem baserat på den senaste väderprognosen, lokala observationer och realtidsdata från produktion inom förnybar energi. Applikationer i sikte är uppvärmning, ventilation och luftkonditionering i byggnader, batteriladdning samt sol- och vindkraftsapplikationer.
Huvudmål med projektet
Vi använder nuvarande kunskap i numerisk modellering, dataanalys och digitalisering för att tillhandahålla optimerat beslutsstöd för grön energiproduktion och konsumtion genom att:
- Förbättra sannolikhetsbaserade korta väderprognoser
- Öka energieffektiviteten med datadriven maskininlärning
- Skapa standardiserade dataformat och verktyg för datautbyte
- Exploatera värdekedjan för energi på en transnationell marknad
Projektorganisation
Projektet koordineras av SMHI, Sverige.
Projektledare: Tomas Landelius.
Projektpartners
Algorithm Energy AB (Sverige)
Rebasian Technologies AB (Sverige)
Finska Meteorologiska institutet (Finland)
Nuuka Solutions Oy (Finland)
Estonian Environmental Agency (Estland)
Projekttid
December 2022 – juni 2025.
Projektfinansiering
Det här projektet har tilldelats finansiering via ERA-Net SES Joint Call 2020 för transnationell forskning, utveckling och demonstrationsprojekt.