Foto: Colourbox

Jennie Molinders doktorsavhandling adresserar osäkerheter inom detta område med hjälp av probabilistiska maskininlärningsmetoder.

Heiner Körnich, som är chef för SMHIs forskargrupp för meteorologi har varit handledare för doktoranden Jennie Molinder som i början på februari 2021 disputerade vid Uppsala Universitet med avhandlingen.

– Det hela började med att vi identifierade ett samhällsbehov för våra prognoser. I det här fallet handlade det om nedisning av vindkraft. Det var ett område där vi redan hade en del erfarenheter kring de osäkerheter som fanns i produktionskedjan. Genom att adressera dessa skulle vi kunna förbättra vår produkt, säger Heiner Körnich. 

Jenny Molinder undersökte produktionskedjan bit för bit och funderade över hur hon skulle kunna uppskatta osäkerheterna och få med dem.

– Prognoserna blev allt bättre, och allra bäst blev de när vi använde oss av maskininlärning. För att jämföra och utvärdera olika kombinationer av metoder använde vi oss av produktionsdata från vindparker i Sverige, säger Heiner Körnich.

Detta ska vara till nytta vid planering av platsunderhåll och för användning av avisningssystem, eftersom man då kan förutse eventuell isbildning på vindkraftverken.

Jennie Molinders doktorsavhandling heter Forecasting of Icing Related Wind Energy Production Losses – Probablistic and Machine Learning Approaches.