Takaisin

Julkisen sektorin hallussa olevan tiedon louhinta auttaa sähkönjakeluverkon suunnittelussa ja sähkönkäyttötarpeen ennustamisessa

Väitös ympäristöinformatiikan alalta
Väittelijä: FM Jukka Saarenpää
Aika ja paikka: 20.12.2019 klo 12, SN201, Snellmania, Kuopion kampus

Filosofian maisteri Jukka Saarenpää tutki väitöskirjatyössään julkisen sektorin hallussa olevan tiedon hyödyntämistä kehittyneiden koneoppimismenetelmien avulla sähkönjakeluverkkojen suunnitteluun liittyvässä päätöksenteossa. Väitöskirjassa käsitellään esimerkkitapauksina ladattavien hybridiautojen alueellisen jakauman, sekä alueellisen sähkökuormituksen ennustamista. Kehitettyjen koneoppimisratkaisujen, julkisen sektorin sosioekonomisen ja rakennustiedon avulla pystyttiin muodostamaan toimivia ennustemalleja, joita voidaan hyödyntää sähköverkkoyhtiöissä suunnittelun tukena.

Nyky-yhteiskunta on alati riippuvaisempi luotettavasta ja kohtuuhintaisesta sähkönjakelusta. Jakeluverkkoyhtiöiden täytyy rakentaa sähköverkko vastaamaan esimerkiksi sähköautojen ja hajautetun tuotannon myötä muuttuviin tarpeisiin, sekä riittävän vikasietoiseksi. Kustannustehokas sähkönjakelu edellyttää hyvää suunnittelua, jotta tarvittavat kehitystoimenpiteet tunnistetaan ajoissa, ja ne voidaan kohdentaa paremmin ajallisesti sekä alueellisesti.

Viime vuosina etäluettavien sähkömittareiden ja muiden jakeluverkkoyhtiöiden ulkoisten datalähteiden tuottaman datan suuri määrä on avannut uusia mahdollisuuksia suunnittelun tehostamiseen. Erityisesti julkisen sektorin hallussa oleva tieto omaa suuren hyödyntämispotentiaalin, ollen usein ainoa yhteiskunnan ja ympäristön rakennetta ja kehitystä kuvaava tietolähde. Julkisen sektorin hallussa olevan tiedon hyödyntämismahdollisuudet ovat viime aikoina entisestään parantuneet tiedon uudelleenkäytettävyyttä ja avoimuutta edistävien EU-direktiivien, sekä kansallisten hankkeiden myötä.

Julkisen sektorin hallussa olevan tiedon hyödyntämisessä on kuitenkin myös mahdollisia haasteita. Tietoja voidaan esimerkiksi osin sensuroida tai niiden tarkkuutta voidaan rajoittaa yksityisyyden suojan takaamiseksi. Erilaiset ilmoitusmenettelyt taas vaikuttavat tiedon ajantasaisuuteen. Tämän lisäksi päätöksenteossa ja suunnittelussa hyödynnettävän tietämyksen jalostaminen suuresta tietomassasta sisältää omat haasteensa. Tiedon manuaalinen käsittely on hidasta, kallista sekä subjektiivista. Tiedossa voi lisäksi olla laatuongelmia kuten epätarkkuuksia, epäjohdonmukaisuuksia sekä puuttuvia arvoja, joita saattaa syntyä lisää yhdistettäessä tietoja eri lähteistä. Kehittyneet koneoppimismenetelmät mahdollistavat nopeamman, automatisoidumman ja objektiivisemman tietämyksen jalostuksen suuresta määrästä tietoa.

FM Jukka Saarenpään ympäristöinformatiikan alaan kuuluva väitöskirja Data Mining of Public Sector Information for Electricity Distribution Network Planning and Forecasting (Julkisen sektorin hallussa olevan tiedon louhinta sähkönjakeluverkon suunnitteluun ja ennustamiseen) tarkastetaan luonnontieteiden ja metsätieteiden tiedekunnassa. Vastaväittäjänä toimii professori Matti Lehtonen, Aalto-yliopisto, ja kustoksena professori Mikko Kolehmainen, Itä-Suomen yliopisto.