JavaScript is currently disabled.Please enable it for a better experience of Jumi. Eneryield ser störningar nalkas

Årsgamla Eneryield ser stor potential i sina maskininlärningsalgoritmer. Dels vill företaget använda dem för att kunna föreslå en grundorsak till olika störningar i elnätet, och dels för att förutspå hur elkvaliteten i nätet kommer att förändras.

Trots att Eneryield är mycket ungt har företaget redan hunnit etablera ett samarbete med Unipower, som erbjuder automatiserade system för oavbruten kontroll och mätning av elförsörjning.

Erik Berggren

– Just nu tittar vi på hur vi kan integrera våra algoritmer i Unipowers analysverktyg som olika elnätsbolag använder, förklarar Erik Berggren, medgrundare till Eneryield.

Företaget har flera egenutvecklade algoritmer för maskininlärning där en kan klassificera och hitta grundorsaken till störningar i ett elnät. Det kan exempelvis vara olika typer av spänningsdippar, övertoner eller transienter.

I ett projekt med organisationen Energiforsk har Eneryield fått ta del av elkvalitetsdata som elnätsbolagen Göteborg Energi, Härryda Energi, Eon och Jämtkraft samlat in från olika punkter i sina nät. Det är data som elnätsbolagen ofta själva tittar på för att försöka komma fram till varför olika störningar skett. Tills nu har analysen främst skett manuellt, med andra ord är det en långsam process där resultatet är baserat på personalens erfarenhet och kompetens.

Eneryield har kunnat visa att det med väldigt hög noggrannhet kan ange vilken typ av störning det handlar om genom att i detalj analysera vågformen hos en störning. Hittills har företaget bland annat lyckats identifiera grundorsaken till en mängd olika spänningsdippar.

– Det gör att vi tror att vår algoritm kan skapa ett stort värde genom att den automatiskt föreslår vad en störning beror på, om det till exempel är en motorstart, ett blixtnedslag eller något annat som orsakat den. Det gör att man kan åtgärda störningen, och även komma fram till vem som har ansvar för den, säger Erik Berggren, och påpekar:

– Tidigare har det inte varit möjligt att automatiskt föreslå orsaker till elkvalitetsstörningar.

Samarbetet med Unipower handlar om just detta. Idén är att addera mjukvara till de analysverktyg som elnätsbolagen redan idag använder för att övervaka sina elnät.

– Vi vill verka för att existerande elkvalitetsmätare kan hantera mer effektiv analys och föreslå grundorsaken till en störning.

I skrivande stund är de två företagen i full färd att utveckla en produkt som de sedan ska lansera tillsammans.

– Där är vi väldigt nära marknaden, avslöjar Erik Berggren.

Från projekt till företag

Embryot till Eneryield var ett projekt på Chalmers Entreprenörsskola år 2018 med namnet Deepest. Våren 2019 grundade personerna bakom Deepest företaget Eneryield; ett namn tänkt att bättre spegla vad de verkligen sysslar med.

Eneryield har fem grundare, varav två doktorerar på Chalmers i Göteborg. Karl Bäckström doktorerar inom maskininlärning på institutionen för Datavetenskap, medan Ebrahim Balouji är expert på elkvalitet och doktorerar inom signalbehanding på Elektroinstitutionen. De har utvecklat nya metoder för att analysera elkvalitet – spänning och ström – med maskininlärningsmetoder.

Övriga medgrundare är Erik Berggren, Isac Kärrman och Johan Rådemar – alla tre har gått Chalmers Entreprenörsskola. Företaget startade för att kommersialisera den teknik som de två forskarkollegorna utvecklat på Chalmers.

Eneryield ingår i Chalmers Ventures acceleratorprogram och sitter likt många Chalmersanknutna innovationsföretag i Stena Center, på universitetets område.

Den andra algoritmen som Eneryield bygger sin verksamhet kring kan förutspå elkvaliteten i nätet. Det handlar om hur spänning och ström kommer att förändras under de närmaste millisekunderna vilket kan användas för att styra exempelvis
elkvalitetsfilter som kompenserar för störningarna.

Företagets algoritmerna bygger på olika maskininlärningsmetoder. För grundorsaksanalys och klassificering av elkvalitetshändelser används djupa neuronnät, tränade på stora mängder historisk data. Även för att förutse elkvalitet används denna typ av neuronnät, men här krävs sofistikerade förbehandlingssteg, och en mer komplex neuronarkitektur.

För att kunna dra nytta av den sistnämnda algoritmen behövs större beräkningskraft än vad som idag går att uppbringa ute i elnätet. Därför har Eneryield börjat utveckla en hårdvara, ett analysverktyg kallat Enerbox. Det handlar om en liten dator som kan mäta ström och spänning och beräkna lokalt.

– Vår algoritm kräver en viss samplingshastighet och en viss beräkningskraft. Där kommer Enerbox in. Den kommer att ha den beräkningskapaciteten som krävs och kan mäta elkvalitet med tillräcklig upplösning.

På sikt tror företaget att Enerboxen kommer att kunna användas i flera olika tillämpningar men än så länge har företaget koncentrerat sig på aktiva elkraftsfilter. Där har det också ett samarbete med ett industriföretag.

Aktiva elkraftsfilter används för att kompensera för störningar på elnätet. Å ena sidan kan de skydda en fabriks eller ett sjukhus elkvalitet så att känsliga instrument inte drabbas av störningar. Å andra sidan används de i kombination med utrustning som skapar störningar för att skydda elnätet.

– Vi har fått tillgång till riktiga data från ljusbågsugnar, som är en väldigt krävande maskin för elnätet eftersom de skickar ut mycket oberäkneliga störningar. Vi har konstaterat att vår teknik kan få aktiva elkvalitetsfilter att höja sin prestanda rejält.

Artikeln är tidigare publicerad i magasinet Elektroniktidningen.
Prenumerera kostnadsfritt!

Dagens aktiva elkvalitetsfilter behöver vanligtvis två spänningscykler, eller 40 ms, på sig för att reagera på en förändring i elnätet. Eneryield förutspår kommande förändringar i nätet, vilket gör att filtret kan göras betydligt effektivare.

– Hittills har vi kunnat förutspå upp till 30 millisekunder, säger Erik Berggren.

Trots att Eneryield är ett rent mjukvaruföretag har det insett att det måste utveckla hårdvara, åtminstone till en början.

– Maskininlärning är inte riktigt etablerat, och idag är det inte alltid möjligt att applicera våra metoder där vi tror att det kan skapa värde. Därför är Enerboxen nödvändig för att vi ska kunna bevisa att detta är något som tillverkare av kraftelektronik borde satsa på.

Till sommaren nästa år ska en prototyp vara klar att börja testats i samarbete med en tillverkare av aktiva elkvalitetsfilter.

Tanken är att Enerboxen installeras framför filtret. I boxen finns sensorer som mäter strömmen och spänningen plus en processor som kör algoritmen. Ut kommer en predikterad börsignal i analog form som styr det aktiva elkvalitetsfiltret.

För att detta ska vara möjligt måste enheten dock först få lite träning. Den placeras ut i fält och skapar där något som kallas Grid Model – den lär sig helt enkelt beteendet av elnätet på en viss plats.

Ju längre den finns på plats, desto bättre blir den. När den har lärt sig elnätets beteende kan den börja förutspå. Det är så den fungerar, enkelt beskrivet.

En prisad nykomling

Lite drygt ett år efter det att Eneryield grundats kan företaget stoltsera med vinst i tre prestigefulla tävlingar: ABB:s Dragon’s Den, Venture Cup och Skapa.

I september förra året kom den första vinsten. När Venture Cup – Sveriges största tävling för entreprenörer – rundades av tog Eneryield plats på prispallen. Företaget knep titeln ”Impact Maker”, som är en av tävlingens sex kategorier.

Två månader senare kammade företaget hem den andra vinsten, ABB:s Dragon’s Den. Där tävlade Eneryield mot 20 andra startups från fem länder. Första priset var ett samarbetsprojekt med ABB värt 300 000 kronor och ett medlemskap i ABB:s tillväxthub Synerleap.

Den senaste vinsten kom i år, i juni. Då blev det klart att Eneryield genom att vinna en regionalfinal kvalificerat sig till den nationella finalen av Skapa-priset; närmare bestämt den del som ges till unga innovatörer kallad Skapa-Talang. Eneryield är ett av två företag som Västra Götalands län skickar till Sverigefinalen av Skapa-Talang som går av stapeln i Stockholm den 12 november, då även det stora Skapa-priset delas ut.

MER LÄSNING:
 
KOMMENTARER
Kommentarer via Disqus

Anne-Charlotte Lantz

Anne-Charlotte
Lantz

+46(0)734-171099 ac@etn.se
(sälj och marknads­föring)
Per Henricsson

Per
Henricsson
+46(0)734-171303 per@etn.se
(redaktion)

Jan Tångring

Jan
Tångring
+46(0)734-171309 jan@etn.se
(redaktion)