Text

Datum 2021-07-01
Artikeltyp Aktuellt

AI för en mer effektiv produktion av vattenkraft

Denna artikel skrevs innan vårt officiella namnbyte den 1 januari 2022 från Mälardalens högskola (MDH) till Mälardalens universitet (MDU).

Vid Mälardalens högskola (MDH) pågår forskning för att med hjälp av artificiell intelligens (AI) och Internet-of-Things (IoT) förbättra produktionen och lagringen av vattenkraft.

Vattenkraft producerar cirka 40 procent av den totala elproduktionen i Sverige. Vatten från snösmältning och vårfloden är en viktig källa för vattenkraftsproduktion, och därför är det viktigt att kunna mäta och uppskatta snötäcktes volym för att kunna planera produktionen av vattenkraft och även förhindra översvämning.

Vid Mälardalens högskola (MDH) pågår forskning för att med hjälp av artificiell intelligens (AI) och Internet-of-Things (IoT) förbättra produktionen och lagringen av vattenkraft. Forskningen bidrar till Sveriges nollutsläppsmål och hjälper samhället att anpassa sig utifrån klimatförändringarna.

- Kunskaperna om snömängderna uppströms i älvarna har idag stora brister och det är en utmaning att göra prognoser för hur stora flödena från snösmältningen kommer att bli. Om man överskattar snömängden leder det till att vattenkraftverken tömmer sina dammar för mycket, vilket leder till förlust av vattenkraft. Å andra sidan, om snövolymen är för lågt förutspådd kan det leda till översvämningar nedströms i älvarna. Den här osäkerheten kring snövolym och snösmältning gör att vi både missar potentiell energiförsörjning och riskerar onödiga översvämningar, säger Pietro Campana, forskare inom hållbara energisystem vid MDH.

Fjärranalys kan bidra till att lösa problemet med okända snövolymer

Genom att använda stora mängder data från olika satellitplattformar tillsammans med artificiell intelligens (AI) och internet-of-things (IoT) teknologi går det att skapa nya möjligheter för vattenkraftverk att få bättre förståelse för snömängden. Detta leder i sin tur till att vattenkraftverk kan minska spillet av potentiell vattenkraft och även minska risken för översvämningar.

- Sebastian Zainali, en av våra masterstudenter inom hållbara energisystem, har utvecklat flera AI-algoritmer för olika scenarier som kan användas för att förbättra de nuvarande satellitbaserade algoritmerna för snöövervakning, säger Pietro Campana.

Forskningen som sker i samverkan

Projektet, som kallas SnowSat, genomförs med hjälp av finansiering av Vinnova och i samverkan med Uppsala universitet och Umeälvens Vattenregleringsföretag.

- Klimatförändringarna förändrar snabbt snöförhållandena över hela världen, och särskilt tydligt är detta på nordliga breddgrader och i världens bergskedjor. Genom att noggrant övervaka fördelningen av snö och hur stora snömängderna är ger detta ett stort värde för såväl vattenhantering som förbättrad beredskap för extrema väderhändelser, säger Jie Zhang, projektledare för SnowSat vid Uppsala universitet.

Hjälper samhället att anpassa sig till klimatförändringarna

Målet med forskningsprojektet, som pågår fram till slutet av 2023, är ökad och effektivare vattenkraftproduktion och förbättrad beredskap för extrema väderhändelser. Forskningen bidrar även till Sveriges nollutsläppsmål och hjälper samhället att utveckla bättre strategier för att anpassa sig utifrån pågående och framtida klimatförändringar.

- På lång sikt kan vi, genom att få bättre kunskap om snömängden under vintern, lära oss hur vi bättre kan ta tillvara på det vatten som snön ger upphov till. Vatten som därefter kan lagras och användas till vattenkraftsproduktion under hela året, avslutar Pietro Campana.


Forskningen knyter an till mål nr 6 och mål nr 11 i FN:s globala mål hållbarhet.

FN:s globala mål 6

Rent vatten och sanitet.

Läs mer

FN:s globala mål 11

Hållbara städer och samhällen.

Läs mer

Kontaktinformation