Bakgrund: Massabruket
I ett massabruk huggs ved till flis och kokas med kokkemikalier i kokare så att cellulosafibrerna friläggs. Fibrerna tvättas, bleks och torkas till vita massa-ark som levereras till kunderna. Kunderna i sin tur löser upp massan och tillverkar papper, kartong, viskosfibrer osv. I massafabriken återvinns kokkemikalierna samtidigt som lignin som avskilts från träråvaran i kokarna används för att tillverka ånga och el till fabriken. Massaproduktionen genererar ett överskott av energi, som levererar bark, grön el och fjärrvärme till samhället.

Elproduktion
I ett massabruk kommer den största andelen elproduktion från förbränning av lignin som avskilts från vedråvaran. Beroende på hastighet i fabriken kommer därför olika mycket el att produceras. Förbrukningen av el beror också på hur bra fabriken går och därför blir elprognosen för hur mycket bruket ska köpa eller sälja relativt komplex.

Netto el som förbrukas eller produceras på bruket säljs på Elspotmarknaden. Köpet basers på en prognos som bruket lämnar in senast kl. 12 innehavande dygn och gäller från nästkommande dygn.
Differensen mellan lagd prognos och verkligt utfall genererar en kostnad eller en intäkt. Differensen köps/säljs primärt på ElBas (fram till timmen innan) och det som inte hanteras av Elbas måste köpas/säljas på Reglermarknaden.

Kostnaderna, s.k. obalanskostnader, har tidigare varit av mindre storlek, men har de senaste två åren ökat och det har till och med bidragit till fåtal timmar med extremt höga kostnader. Sammanfaller höga kostnader med stor differens i prognosen kan det bli kostsamt för aktören på reglermarknaden.

Idag görs elprognoser manuellt baserat på kunskap kring elproduktion och förbrukning under olika förutsättningar.

Syfte
Syftet med arbetet är att med hjälp av AI och maskininlärning hitta samband för att utveckla en automatgenererad elprognos som ändras om förutsättningar i fabriken ändras, tex om det beslutas om stopp i en viss del av fabriken då kommer elprognosen automatiskt uppdateras utifrån information om hur stoppet påverkar elbalansen.

Mål
Minimera skillnaden i lagd elprognos och verkligt utfall.

Önskar resultat
Skapa en automatgenererad elprognos som med hjälp av inkommande data, tex planerade stopp, kan uppdatera elprognosen om förutsättningar i fabriken ändras. I ett första steg ska den automatgenererade prognosen vara ett stöd till den prognos som skickas till elhandelsföretaget.

Tidsperiod
Examensarbete mellan jan – juni 2024.
Men arbetet kan med fördel inledas med studentarbete för att förstå vilken data som finns tillgänglig och för att identifiera samband.

Krav
Arbete genomförs i ämnet Datavetenskap
Tidigare kurs i Maskininlärning (minst 6hp)
Kunskap i Svenska eftersom dokument på bruket är på svenska

Kontakt
Kontakta initialt Martin Bolt (martin.boldt@bth.se) om du är intresserad av projektet och vill veta mer. Projektet lämpar sig för två studenter som jobbar i grupp.
Kontaktperson på Södra är Daniella Johansson (daniella.johansson@sodra.com)