Pomembna naloga elektrodistribucijskih podjetij je napovedovanje porabe električne energije za posamezne množice uporabnikov, kar je pomembno za ugotavljanje kritičnih točk v omrežju in odločanje o uvozu in izvozu električne energije. S stališča umetne inteligence (analize podatkov) je ta kompleksen problem odvisen od velikega števila spremenljivk (podatki električnih senzorjev), podatki pa se generirajo zelo hitro in v neprekinjenih tokovih gre torej za izrazito dinamično okolje. Standardne tehnike napovedovanja zato v takšnih okoliščinah odpovejo, saj so potrebni bolj dinamični modeli, ki se lahko spreminjajo s časom in se lahko prilagajajo terminom različne rabe električne energije (dan, noč, vikendi, prazniki, ipd.). Poleg napovedovanja porabe električne energije, je pomembno, da so same napovedi opremljene tudi z razlago napovedi in oceno zanesljivosti napovedi. Na podlagi zadnjih dveh se uporabniki lahko lažje dokončno odločijo o energetskih in finančnih ukrepih.

V okviru projekta bosta obe skupini razvili metodologijo za razlago napovedi o spremembi profilov v električni porabi, razvili in testirali ocene zanesljivosti, primerne za uporabo v podatkovnih tokovih in razvili tehnike učenja iz časovnih vrst podatkov o električni porabi za natančno modeliranje in napovedovanje. Rezultati raziskovanja bodo omogočili boljše in robustnejše napovedovanje v električnih omrežjih.