Framtidens elnät skapade med federerad maskininlärning

Syfte och mål

Målet med projektet är att undersöka hur federerad maskininlärning kan appliceras på elnätsdata och vad som krävs att detta ska kunna genomföras. Projektet kommer att kartlägga möjligheter och utmaningar med denna teknik för elnätsföretagen.

Förväntade effekter och resultat

Projektet har som ambition att klargöra hur federerad maskininlärning ska appliceras på elnätsdata. Det innebär att analysera utmaningar kopplat till teknik, IT-infrastruktur, cybersäkerhet, etc. för att säkerställa att ingen data läcker mellan parter. Målet är att en första ML-modell kan skapas för att analysera olika elnätskunders beteenden.

Planerat upplägg och genomförande

Projektets är uppdelat i två APn 1) Data och systemarkitektur - Arbetspaketet fokuserar på att välja ut och kvalitetsgranska data som ML-modellen ska tränas på. Det ingår utredning kring gränssnitt kopplat till nätbolagens interna systemverktyg samt säkerställande kring olika cyber security-frågor för nätdata. 2) Federerad ML – Arbetspaketet driver själva tränandet av modellen för att få modellen att upptäcka olika elanvändares effektprofiler och kunna förutsäga nya elanvändares beteenden.