Van je afstudeerproject je werk maken

2019-10-15

Binnen het Network Operations Center (NOC) van Stedin wordt 24/7 het elektriciteitsnet gemonitord. Dit gebeurt aan de hand van alarmen die van verschillende assets uit het net komen. Voor het middenspanningsnet zijn dit er duizenden per dag, terwijl er maar enkele honderden storingen per jaar zijn. Je kan je voorstellen dat het proces van storingen detecteren een arbeidsintensieve taak is. Stedin vond dat dit slimmer moest kunnen, wat resulteerde in de afstudeeropdracht voor mijn studie (Artificial Intelligence). De onderzoeksvraag was: Kunnen we storingen in het middenspanningsnet detecteren met behulp van Machine Learning? Na 8 maanden onderzoek kwamen we tot de conclusie dat dit inderdaad mogelijk is.

In maart begon ik bij Infiniot als Data Scientist. Al snel kwamen we erachter dat Stedin geïnteresseerd was om een vervolgstap te maken in het detecteren van storingen. We wisten dat het mogelijk moest zijn, dus namen we ons voor om de software te bouwen om dit te realiseren. Zodoende kwam ik in juni weer op mijn oude vertrouwde plek terecht bij Stedin om de Smart Alarming software te bouwen. Samen met mijn Infiniot collega’s Jasper, Kenneth en Tim begonnen we met het bouwen van een proof of concept. We moesten Stedin namelijk nog steeds overtuigen dat real-time storingsdetectie in de praktijk mogelijk was.

Het begon met een nieuw onderzoek, er zijn namelijk aannames gemaakt in mijn master thesis, waar we nu niet langer gebruik van kunnen maken. Hoe trainen we een zo optimaal mogelijk Machine Learning model en hoe maken we de benodigde software daaromheen? Gelukkig konden we door de eerder vergaarde kennis en gelegde contacten snel aan de slag en hadden we in korte tijd al een proof of concept te pakken. Stedin was onder de indruk van het geleverde werk en wilde het product verder ontwikkelen.

Ondertussen is Smart Alarming software al in gebruik en draait het binnen het OT netwerk van Stedin. De bedrijfsvoerders gebruiken het en we zijn de software iteratief aan het doorontwikkelen aan de hand van de wensen van de bedrijfsvoerders. Tevens maken we constant verbeteringen aan het Machine Learning model, om zo de storingsdetectie te optimaliseren. Het huidige model kan al meer dan 90% van de middenspanningsstoringen detecteren.

Het is geweldig om op deze manier de theorie van je afstudeerproject in praktijk te laten gaan. Het is ook mooi om te zien hoe software engineering en Data Science samen komen in dit project. Het resultaat mag er zijn en ik ben erg trots op wat wij als Infiniot binnen deze korte tijd hebben verwezenlijkt.


Bekijk alle posts van Patrick