10 augusti 2026
AI hjälper till att förutsäga vindkraftsproduktionen vid Dragaliden
Forskare och projektpartners vid Luleå tekniska universitet har slutfört den första fasen av en AI-baserad studie för prognostisering av vindkraftsproduktion inom delprojektet Dragaliden, som ingår i TAM Tools for Wind Power inom MARTINA-projektet.
Arbetet visar att artificiell intelligens och maskininlärning med hög precision kan förutsäga den kortsiktiga vindkraftsproduktionen med hjälp av historiska data från vindkraftsparker och driftsinformation från flera vindkraftsanläggningar.
Vindkraft är en av de viktigaste källorna till förnybar energi, men den medför också en praktisk utmaning: vinden förändras hela tiden. För operatörer av vindkraftsparker innebär det att elproduktionen snabbt kan öka eller minska, ibland inom loppet av bara några minuter. Bättre prognoser kan därför bidra till förbättrad planering och underhåll, ökad stabilitet i elnätet och ett effektivare utnyttjande av förnybar energi.
I Dragalidenstudien analyserade teamet flera års data från vindkraftsparker, inklusive mätningar som samlats in med korta tidsintervall. Målet var att förutsäga hur mycket el vindkraftsparken skulle producera inom den närmaste framtiden. I stället för att enbart använda traditionella statistiska modeller tränade och jämförde teamet flera modeller baserade på artificiell intelligens och maskininlärning.
Resultaten från den första fasen är mycket lovande. Flera av modellerna kunde följa den faktiska elproduktionen med hög precision och prognosfelen var små. Modellerna kan lära sig mönster från historiska data och kombinera ett stort antal faktorer, såsom vindhastighet, tid på dygnet, säsongsvariationer och information om vindkraftverken, för att skapa tillförlitliga prognoser.
För personer som arbetar med vindkraft har sådana modeller ett tydligt praktiskt värde. En bra prognos kan bidra till att besvara enkla men viktiga frågor: Hur mycket el kommer vi sannolikt att producera under nästa tidsintervall? Följer produktionen ett normalt mönster? Finns det tecken på att vindkraftverken beter sig annorlunda än förväntat? Kan drift och underhåll planeras på ett smartare sätt?
En viktig styrka i projektet är att modellerna testades noggrant på data som de inte tidigare hade sett. Det innebär att AI-modellerna inte bara utvärderades på de data som använts under träningen, utan även på data från senare tidsperioder. På så sätt ges en mer realistisk bild av hur modellerna kan fungera under verkliga driftsförhållanden.
Arbetet visar också hur AI kan bidra till den gröna omställningen i norra Sverige och på andra håll. Genom att kombinera kunskap inom vindkraftsområdet med moderna datadrivna metoder bidrar projektet till utvecklingen av smartare system för förnybar energi. Resultaten visar att AI inte behöver betraktas som en avlägsen eller abstrakt teknik. I det här fallet fungerar AI som ett praktiskt verktyg som hjälper operatörer att förstå och förutsäga hur vindkraftsparker fungerar och utvecklas över tid.
Arbetet har genomförts i nära samarbete mellan projektpartners och forskare. I teamet ingår Jens Sperens, COB, Dragaliden Vind AB; Luleå tekniska universitetsteamet bestående av Björn Backe, Petter Kyösti, Rajkumar Saini och Sumit Rakesh; samt praktikanterna Sanyam Kathed, Hith Rahil Nidhan och Mridul Maheshwari.