Enne majandusanalüüsi magistrikavale tulekut omandasid bakalaureusekraadi majanduses Tartu Ülikoolis, kuidas jõudisid TalTechi majandusanalüüsi magistrikavale?

Pärast TÜ bakalaureuse lõpetamist vaheaastal tulevikuplaane tehes, teadvustasin endale selgelt oma lemmikuid õppeaineid bakas, milleks olid ökonomeetria, avatud sektori ökonoomika, mikroökonoomika ja statistika. Ehk teisisõnu, võtsin endale magistri valiku tegemiseks aega ning tegin valiku üsna konkreetselt potentsiaalsete õppekavas olevate õppeainete järgi. Huvi oli just enda tehnilisi oskusi arendada, mille jaoks TalTechi majandusteaduskond tundus parim valik ja võin öelda, et olen jätkuvalt samal arvamusel ka pärast lõpetamist.

Milliseid strateegiaid ja ajaplaneerimise tehnikaid oled kasutanud, et edukalt toime tulla nii õpingute kui ka treeningutega? Millised on olnud suurimad väljakutsed nende kahe tasakaalustamisel?

Olen juba üle 12 aasta tegelenud suusaorienteerumisega ja alati teinud seda kooli või ülikooli kõrvalt. Parimaks tulemuseks on 7. koht Euroopa meistrivõistlustelt 2023.aastal. Kuna minu spordiala on üsna väike, siis aasta jooksul on 4-7 nädalat nii välislaagreid kui ka rahvusvahelisi võistlusi, seega sai kohapeal päris edukalt ka füüsiliselt koolis käia. Eks see muidugi keeruline oli – 2 aasta asemel läbisin magistriõppe 4 aastaga, kus lisaks õppimisele ja treenimisele/võistlemisele proovisin ka veidi töökogemust saada ning sinna maailma siseneda, aga kooli ja spordi kombosse on tööd kolmanda kohustusena väga keeruline juurde lisada.

Minul käis prioritiseerimine perioodide kaupa – tähtsate võistluste ajal oli võistlustele keskendumine number 1, kergematel treeningperioodidel oli jällegi kool number 1. Kevad on ülikoolis alati kõige stressirohkem aeg, siis on talisportlasena õnneks just hooaeg läbi saanud ja saab kevadel koolist maksimumi võtta.

Mida soovitaksid noortele sportlastele, kes soovivad jätkata õpinguid kõrgtasemel spordikarjääri kõrvalt?

TalTechis õppides ja seal läheduses elades on sportlane olla mugav – spordihoone paljude ühistreeningute võimaluste ja hea jõusaaliga, Nõmme metsad oma rohelisuse ja paljude radadega, rullsuusatamiseks korralik asfalteeritud teede võrgustik, talvel suusaradade kindlustamiseks kunstlume tootmise võimalus ja kuni 15 km pikkune Nõmme-Harku ring.

Soovitan julgelt otsida ka finantseerimise võimalusi – TalTechi spordiklubi on avatud tippsportlaste toetamisele, Kultuurkapital koos EOK-ga toetab ka osakoormusel õppimisel õppemaksu tasumist. Lisaks, olenevalt spordialast, toimub mitmeid eestisiseseid üliõpilastele mõeldud võistlusi (erinevad TalTechi poolt korraldatud spordivõistlused, üliõpilaste suve- ja talimängud, Akadeemilise Spordiliidu korraldatud meistrivõistlused jms) kui ka üliõpilaste maailmameistrivõistluseid ja universiaade (üliõpilaste olümpiamängud), kus ka ise mitu korda osalesin. Need olid alati minu jaoks olulised võistlused, mis oma kvaliteedilt ja tipptasemelt ei jäänud oluliselt alla teistele suurvõistlustele, kuid õhkkond oli vabam ja lahedam.

Seega julgen öelda, et sportlaskarjääri kõrvalt ülikooli astumine oluliselt rikastab igapäevaelu ja loob uusi võimalusi, mitte ei piira seda. Samamoodi annab ka sport igapäevaelule palju juurde ja on üks kergemaid viise uute sõprade ning tuttavate leidmiseks.

Sinu magistritööks oli “Päikeseenergiast elektri tootmise ja tarbimise lühiajaline prognoosimine”, kuidas selle teemani jõudsid?

Läbisin õppekavas kohustusliku praktika Eesti Energia elektrikaubanduse osakonnas, kuhu jäin edasi aastaks turuanalüütikuna tööle. Varasemad teadmised mul elektrimajandusest enne praktikale asumist puudusid, aga huvi tekkis praktikal koheselt. Valdkond iseenesest on väga igapäevane ning peamine põhjus, miks see mind nii paelub, on see et mingid aspektid selle juures on siiski komplekssed ja lahendamata. Täpsem lõputöö teema tuli peamiselt nii andmete olemasolust kui ka huvist just konkreetsel ajahetkel olemasolevate andmete põhjal lähitulevikku prognoosida, mitte tagantjärele analüüsida.

Kuidas jõudsid just nende andmeteni ja miks valisid just selle metoodika?

Minu töö andmed pärinevad Enefiti poolt korraldatud ja Kaggle keskkonnas läbi viidud teadusvõistluse „Enefit – Predict Energy Behavior of Prosumers“ andmekogust. Andmekogus on juurdepääs reaalsetele andmetele ilmastiku, energiahindade ja valitud Eesti Energia klientide installeeritud päikeseparkide võimsuste kohta. Teadusvõistluse leidsin meediast ning nägin kohe selles head potentsiaali oma lõputöös kasutamiseks.

Kuigi sündmusejärgne analüüs ajalooliste andmetel on väärtuslik mineviku trendide mõistmiseks, mustrite tuvastamiseks ja tulevikuprognooside parandamiseks, on elektrimajanduses prognoosimisel siiski olulisem roll, mida kasutatakse peamiselt elektrivõrgu stabiilsuse, tõhususe ja töökindluse tagamisel.

Ajas tootmisvõimsuste hulk aina kasvab, tootmiskogused ja elektrihind sõltuvad palju meie ning naaberriikide heitlikust ilmast ning seosed erinevate aspektide vahel on pidevas muutumises. „Meetodite valik põhines varasematel empiirilistel uuringutel“ nagu magistritöös tavaks on kirjutada. Valitud meetodid õpivad treeningandmeid kasutades ära tundma mustreid andmetes. Taastuvenergia tootmine, mis sõltub suuresti ilmastikust, on tihti ettearvamatu ning vajab prognoosimiseks masinõpet. Seega olin valmis töös prognoosimiseks kasutatavaid masinõppe meetode iseseisvalt juurde õppima, mis varasemate erialaste teadmiste ja tehniliste oskuste põhjal ei olnud väga keeruline.

Millised on töö tulemused ja kuidas neid päriselus rakendada?

Töö tulemusena töötasin välja võimekad masinõppe mudelid, kus relevantsete sisendmuutujate abil suudavad need üsna väikese prognoosiveaga prognoosida järgmise päeva tootmis- ja tarbimismahtusid maakondade lõikes.

Nii tootmis- kui ka tarbimismudelid suutsid sisendmuutujate ajas kasvamise korral (nt installeeritud päikeseenergia võimsuse korral) sellega arvestada ehk mudel ei jätnud meelde treeningandmeid vaid suutis luua algoritmi, mida järgida. Tootmise puhul sõltub prognoosi täpsus umbes 40% ilmaennustuse täpsusest, seega on prognoosimisel ülioluline täpsete ilmaprognooside olemasolek.

Väljatöötatud prognoosimudelid aitaksid planeerida energia juhtimist võrgus. Täpsemad prognoosid võimaldavad elektrijaamadel tõhusamalt töötada, vähendades vajadust kallite reservjaamade järele. Lisaks võiksid prognoosid anda olulise sisendi planeerimis- ja investeerimisotsuste tegemisel taristusse, vältides võimsuste üle- või alaehitamist.

Miks soovitaksite teistel TalTechis õppida?

Kõigele muule varasemalt kirjutatule lisaksin veel juurde toredate ja professionaalsete õppejõudude panuse. Mitte ainult ei küsitud meilt kursuste lõpus tagasisidet rahulolu statistika tegemiseks, vaid päriselt viidi sisse muudatusi, näiteks õppekava ülesehitusel võeti arvesse tudengite kogemust, et õpe oleks sujuv ja loogiliselt üles ehitatud. Õppejõudude ja eriti just programmijuhi tugev toetus oli olemas ja tuntav kogu õppeperioodi vältel, mis aitas just eriti magistriõppes muude kohustuste kõrvalt õppimisele pühenduda. Ülikool käib kaasas teadusalaste arengutega ning elulisi näiteid kasutatakse õppetöös igapäevaselt.