Build, eSmart og Machine Learning – hva har de til felles??

- av Arif Shafique

Er du en av de som holder deg oppdatert på teknologi, har du sikkert fått med deg at Build 2015 gikk av stabelen 29 april 2015. Når du leser bloggen har mye nytt blitt lansert og diskutert. Men jeg skal snakke om en ting som gjør oss i Norge litt stolte☺

eSmart systems er et norsk startup fra Halden og jobber med Norges største netteiere. De har bygget alt av sin teknologi på Azure PaaS. De er såklart på Build i San Fransisco og koser seg med innholdet men samtidig er de også der for å presentere sin løsning for hele verden! Under dag 2 av Build så vil eSmart Systems bli dratt opp på scenen sammen med vår CVP Joseph Sirosh som leded Machine Learning hos oss.

Nettselskapene i dag sliter med en ny hverdag, hvor belastningen i nettet konsentreres på kortere perioder. Det som blandt annet bidrar her kan være elbiler, direkteoppvarmere eller induksjonsovner.

For at nettselskapene skal kunne håndtere denne situasjonen uten å investere i større kapasitet i nettet, trenger de å få kontroll over lastene. Gjennom bruk av data fra smarte målere (AMS), temperatur-observasjoner , temperatur-prognoser og Azure ML kan eSmart bidra til å få større kontroll med dette og redusere risiko for at blant annet nettstasjoner blir overbelastet.

Løsningen innebærer at vi aggregerer forbruk målt på de smale målerne, slik at summen av forbruket legges på nettstasjonen som leverer strøm til disse målerne.

Deretter kjøres en langtidsprediksjon, hvor det tas hensyn til et temperatur scenario. Her finner vi ut om det er sannsynlig at nettstasjonen kommer til å bli overbelastet. Er dette tilfellet, blir det kjørt en kortidsprediksjon som har en horisont på 24 timer. Her finner vi ut hvilken timer det spås overbelastning på.

Etter dette finner systemet ut om det er noen form for fleksibilitet i nettet, dvs om det er laster som kan kontrolleres av systemet. Dersom det er det vil systemet lage en kjøreplan for å slå av og på disse lastene, og styre disse automatisk, slik at vi unngår overbelastning.

Teamet som er satt sammen for å lage løsningen har kompetanse på maskinlære, R, C#, WCF, blob Storage mm, og består blandt annet av vår phd på maskinlære, våre utvilklere og MS sitt Boston team med kompetanse på ML.

tøff video som viser hvordan eSmart vil kunne hjelpe netteiere å holde nettet opp

De bruker rett og slett teknologien til å styre hvordan strømmen kommer til oss og alt dette kjører i Microsoft Azure!

Ble du inspirert? Kunne du tenke deg å prøve litt selv? Vil fu lære mer om Machine Learning of hvordan du kommer i gang? Er du interessert i data og prediktiv analyse, og vil ta et skritt forbi ren rapportering, da kan du også ta en titt på det gratis online kurset Getting Started with Machine Learning på Microsoft Virtual Academy. Du kan også teste Microsoft Azure gratis i 30 dager!