Hei igjen,

Jeg heter Sofie Engler-Christensen, og jeg skal fortelle litt mer om mitt praksisopphold på Meteorologisk institutt. Nylig avsluttet jeg praksisoppholdet, og det har vært en utrolig lærerik og spennende erfaring. Praksisperioden har gitt meg mulighet til å dykke dypt inn i programmering og maskinlæring, og til å forstå hvordan teori og verktøy fra studiene kan brukes til å løse reelle problemstillinger.

En av de mest spennende oppgavene jeg fikk var da jeg for noen uker siden mottok et stort datasett fra en offshore vindturbin. Dette datasettet, som kom i et ukjent format for meg, en såkalt Parquet-fil, inneholdt blant annet omfattende informasjon om strømproduksjonen til turbinen. Dette var første gang jeg jobbet med denne typen filformat, så jeg måtte sette meg inn i hvordan Parquet-filer håndteres. Dette var en utfordring, men det ga meg verdifull erfaring med å jobbe med store og komplekse datasett, noe jeg ser for meg at jeg vil få nytte av i videre prosjekter. Når det kommer til programmering har jeg definitivt blitt mer selvstendig og løsningsorientert i løpet av dette praksisoppholdet.

Mitt mål var å bruke maskinlæringsmodeller til å analysere dataen og forsøke å predikere strømproduksjonen fra turbinen basert på vær- og vinddata. Jeg kombinerte værdata fra Meteorologisk institutt med produksjonsdata fra vindturbinen og brukte vindprofilene som en av treningsvariablene. Prosjektet krevde at jeg lærte å håndtere disse ulike datasettene og bruke dem i maskinlæringsmodellene. Ved å trene modellen på historiske data kunne jeg validere resultatene mine mot faktiske produksjonstall fra turbinen, noe som ga en klar indikasjon på nøyaktigheten i prediksjonene. Dermed kunne jeg lage ulike grafer som viste forskjellen i hvor presis prediksjonene var ettersom man endret maskinlæringsmodell eller parametre.

Å jobbe med disse dataene viste meg hvordan værforholdene påvirker kraftproduksjonen til turbinen. Det var spennende å se hvordan variasjoner i vindhastighet og værforhold kunne omsettes til strømproduksjonsestimater. Denne praktiske anvendelsen av maskinlæring gjorde meg ekstra motivert for prosjektet, og det var inspirerende å se hvordan man kunne bruke meteorologisk-data i en så anvendelig og praktisk sammenheng. Prosjektet passer også ekstra bra ettersom jeg studerer energi, og har fått mulighet til å kombinere meteorologisk data med strømproduksjon.

For å avslutte praksisoppholdet holdt vi – jeg, Anne-Ida og Anna – en presentasjon foran medarbeiderne ved Meteorologisk institutt, hvor vi viste frem arbeidet vårt og våre resultater. Presentasjonen foregikk på engelsk, og den ble streamet slik at også de i Oslo kunne følge med. Dette var en fin mulighet til å dele arbeidet vårt og få verdifulle tilbakemeldinger fra de ansatte. Vi fikk mange spørsmål om metoder og valg vi hadde gjort, og det føltes godt å kunne forklare prosessen og fremheve hva vi har oppnådd.

Jeg vil definitivt savne praksisoppholdet på Meteorologisk institutt. Denne erfaringen har gitt meg både kunnskap og selvtillit til å løse nye problemstillinger, og jeg er takknemlig for alt jeg har lært – fra datahåndtering av store filer til bruk av meteorologiske data. Dette tar jeg med meg videre inn i studiene og fremtidige prosjekter.