Ved hjelp av gode valg av hvilken data som er nyttig kan effektiv instrumentering med sensorer utføres på en kostnadseffektiv måte. Vi har erfaring med bruk av digitale modeller for å overvåke og vise tilstand i sanntid, men også av prediktive modeller og simulering for å teste mulige scenarier. Både datadrevne og fysikalske modeller brukes avhengig av hva som er mest hensiktsmessig for en spesifikk problemstilling.
Vi arbeider innen disse områdene:
- Optimalisering
- Digital tvilling
- Prediktiv modellering
- Kunstig intelligens
Typiske oppdrag for oss er:
- Modellering av mikrovær, indusert av terreng og bygninger
- Utvikling av digital tvilling for simulering og optimalisering av kraftnett
- Bruk av data fra AMS måler for å analysere effekt av solceller hos plusskunder
Metodene vi bruker:
- Simuleringer basert på fysiske og datadrevne modeller
- Maskinlæring, for eksempel forklarbarhet av maskinlæring og maskinlæring i reguleringssystemer (ML-in-the-loop)
- Tilstandsestimering, for eksempel av kratflyt og komponenttilstand
- Informationsmodellering
Hvorfor velge SINTEF?
SINTEF har bred erfaring innen matematikk og modellering og kan finne rett angrepsmåte for forskjellige utfordringer. SINTEF ligger i også fremkant ved bruk av AI og maskinlæring.
Hvem gjør vi dette for?
- Norsk industri
- Nettselskap
Les også:
