Gå rett til innhold
<
<
Bedre prognoser kan kutte kostnadene for kraftprodusenter

Bedre prognoser kan kutte kostnadene for kraftprodusenter

Saksenvik Kraftverk

Sakensvik kraftverk. Foto: Småkraft

Aktuelt

Publisert: 19.10.2026
Oppdatert: 09.11.2026

Katrine Jaklin

En ny maskinlæringsmodell som kombinerer værdata med oppdaterte målinger av vannføring, kan gi mer presise produksjonsprognoser for små vannkraftverk. I en ny studie reduserte modellen prognosefeilen med 21 prosent sammenlignet med modellen som brukes i dag.

Små vannkraftverk uten store magasiner produserer strøm når vannet er tilgjengelig. Produksjonen styres derfor i stor grad av været, og kan være vanskelig å forutsi fra time til time. Samtidig må kraftprodusentene melde inn forventet produksjon til kraftmarkedet dagen før. Avvik mellom prognosen og den faktiske produksjonen kan føre til ubalansekostnader og utsetter produsentene for store prissvingninger i balansemarkedet.

– Bedre prognoser kan bidra til å redusere kostnadene for produsentene og samtidig bidra til bedre balanse i kraftsystemet, sier en av forfatterne bak studien, Kamilla Wergeland i Småkraft som også er doktorgradsstipendiat ved Universitetet i Bergen.


Kan redusere kostnader og risiko

For Småkrafts portefølje av elvekraftverk tilsvarer forbedringen en beregnet årlig reduksjon i ubalansegebyrer på rundt 143 000 euro, eller nær 21 prosent, sammenlignet med dagens prognosemodell. Modellen reduserte også risikoen for store tap i perioder med ekstreme priser i balansemarkedet. Det kan gi mer forutsigbar drift for produsentene og gjøre det enklere å holde kraftsystemet i balanse.

– Resultatene viser at det kan ha stor verdi å kombinere værinformasjon med ferske målinger av vannføringen. Vi arbeider nå med å ta modellen i bruk hos Småkraft for å utnytte potensialet for mer presise prognoser og lavere ubalansekostnader, sier Wergeland.

Forskerne understreker at studien viser et potensial, ikke en ferdig løsning. I studien fikk modellen bruke analyser av historisk vær som om værprognosene var feilfrie. I operativ drift vil usikkerhet i værvarslene redusere treffsikkerheten. Foreløpige forsøk med faktiske værprognoser tyder likevel på at modellen fortsatt kan slå dagens løsning, men den må videreutvikles og testes grundigere før den tas i bruk.

Årvik Power Plant intake
Årvik kraftverk. Foto: Småkraft

Lærer av vær og vannføring

Modellen ble trent på målinger fra NVEs målestasjoner og på beregnet vannføring fra 110 elvekraftverk som drives av Småkraft. Den ble deretter testet ved 30 kraftverk i perioden november 2022 til oktober 2025.

Kvaliteten på prognosene ble bedre når modellen fikk bruke de nyeste målingene av vannføringen som utgangspunkt for neste beregning. Da kan den gjøre et godt anslag av hvor mye vann som faktisk finnes i systemet, blant annet hvor mye snø som ligger i nedbørsfeltet, og hvor fuktig bakken er, før den anslår produksjonen for neste dag.

I testene hadde den beste modellen en median prognosefeil på 23,6 prosent. Til sammenligning var feilen 29,8 prosent for modellen Småkraft bruker i dag og 45,3 prosent for en enkel prognose basert på at produksjonen fortsetter som før. Den nye modellen traff bedre i alle årstider, med størst forbedring om våren.

Studien er utført av Kamilla Wergeland fra Småkraft og Universitetet i Bergen, Ole Wulff fra NORCE og Asgeir Sorteberg fra Universitetet i Bergen. Arbeidet er støttet av Småkraft og Forskningsrådet gjennom forskningssenteret Climate Futures, og er publisert i tidsskriftet Renewable Energy.

Kontaktperson

Christoph Ole Wilhelm Wulff
Christoph Ole Wilhelm Wulff

Forsker II

Hold deg oppdatert om forskning og innovasjon fra NORCE

Meld deg på vårt nyhetsbrev