EPFL, Empa och SBB utvecklar AI-modell för förbättrad prognostisering av elbehov för schweiziska järnvägen
En AI-modell, utvecklad i samarbete mellan EPFL, Empa och schweiziska järnvägen (SBB), förbättrar precisionen i prognoser för morgondagens elbehov. Modellen kombinerar historisk data med framtida drifts- och tidtabellsinformation.
Forskare från EPFL och Empa, i samarbete med schweiziska järnvägen (SBB), har utvecklat en ny artificiell intelligensmodell som avsevärt förbättrar prognostiseringen av morgondagens elbehov inom hela SBB:s järnvägsnät.
Modellens kärninnovation ligger i att kombinera historisk energikonsumtionsdata med kontextuell information. Detta inkluderar tågtabeller, data från operativ planering och väderprognoser. Publikationen visar att detta tillvägagångssätt minskar det genomsnittliga prognosfelet med 26,6 procent och stora fel under ovanliga driftdagar med omkring 80 procent.
Exakt prognostisering av elbehov är avgörande för det schweiziska järnvägssystemet, som använder ett separat elnät. Felaktigheter kan leda till operationella risker och höga kostnader. Enligt forskningen kan en minskning av prognosfelet med en procent innebära årliga besparingar på cirka en miljon schweiziska franc.
Forskarna som utvecklat modellen föreslår att liknande metoder skulle kunna användas inom andra sektorer, såsom energisystem för byggnader, tillverkningsindustrin samt logistik och leveranskedjehantering. Genom att samla in fragmenterad information från olika organisationer i förväg och planera framtida verksamhet kan behoven förutsägas mer exakt.