Nederland is wereldkampioen in het opwekken van zonne-energie. Dus als de zon op een dag langer schijnt dan verwacht, heeft dat al snel gevolgen voor de belasting van het elektriciteitsnet. In uiterste gevallen moeten er zelfs noodmaatregelen worden genomen om overbelasting van het net te voorkomen. Pythia Energy Intelligence, een spin-off van de TU Delft en HKV, speelt daar met RayCast op in dankzij de toegekende AiNed MIT AI-regeling.
Deze AI-toepassing maakt gebruik van real-time satellietbeelden en historische data om de inkomende zonnestraling voor de komende uren beter te kunnen voorspellen. Eind 2023 waren er in ons land al 2,6 miljoen woningen met zonnepanelen. En dan zijn er ook nog de zonneweides en de panelen op bedrijfspanden en boerenschuren. Dat alles zorgt ervoor dat Nederland qua zonne-energie een vermogen van 24,4 gigawatt heeft. Per inwoner komt dat neer op 1.386 watt, en dat komt weer neer op de hoeveelheid stroom die 3,5 zonnepanelen kunnen opwekken.
Met dit gemiddelde is Nederland wereldwijd de grootste zonne-energie-opwekker. Op een zonnige dag kan het daardoor voor komen dat in lokale elektriciteitsnetten de stroom de andere kant op gaat: niet naar de afnemer, maar terug het stroomnet in. Gebeurt dat op een moment dat er sowieso al weinig stroom wordt afgenomen? Dan dreigt overbelasting van lokale elektriciteitsnetten.
Gebeurt het omgekeerde? Dus laat de zon zich in de komende uren juist minder zien dan verwacht? Dan is dat eveneens een uitdaging voor partijen die verantwoordelijk zijn voor de energievoorziening. Er moet dan namelijk op het laatste moment nog elektriciteit van andere energiebronnen worden ingekocht. En op de stroommarkt hangt er aan dit soort last minute-aankopen een hoger prijskaartje.
Gezien het steeds grotere aandeel van zonne-energie in de Nederlandse energiemix wordt het managen daarvan steeds belangrijker. Er is dan ook veel behoefte aan data die helpen om beter in te schatten hoeveel zonne-energie er later op de dag zal worden opgewekt. Makkelijk is dat niet. Zelfs de beste meteorologen zitten er regelmatig naast met hun voorspellingen over hoe bewolkt en dus ook hoe zonnig het de komende uren op een locatie zal zijn. Op basis van zware weermodellen is het mogelijk om nauwkeurige weersvoorspellingen te maken voor de wat langere termijn, maar als het om de korte termijn gaat, dus een aantal uren vooruit, is het gewoon heel moeilijk om een goede voorspelling te geven.
Datzelfde geldt overigens ook voor het nauwkeurig voorspellen van regenbuien. Met hulp van datagedreven AI-modellen is het in deze tijd goed mogelijk om wél nauwkeurige verwachtingen te geven op korte termijn. HKV Lijn in Water, een onderzoeks- en adviesbureau dat gespecialiseerd is in vraagstukken over waterveiligheid en -beheer, ontwikkelde daarom in 2021 een eigen oplossing voor dat probleem. Sindsdien is het voor HKV mogelijk om met behulp van satellietdata en machine learning een betere inschatting te maken van waar er extreme buien komen en wat de verwachte neerslag op die locatie is.
Interessante nieuwe inzichten ontstaan vaak op grensvlakken. En dat was hier ook het geval. Enkele HKV’ers, waaronder Joost Stenfert (destijds AI-lead), zagen hoe goed het werkt om met behulp van AI regenbuien te voorspellen. “We vroegen ons af of iets vergelijkbaars mogelijk zou zijn om de zonne-instraling op een bepaalde locatie voor de komende uren beter te voorspellen. Daarbij is er weliswaar geen directe link met waterveiligheid en -beheer, dus wat dat betreft valt het buiten de gebruikelijke focus van HKV, maar we zagen een kans die we niet wilde laten lopen. Dus zijn we gewoon begonnen met het bouwen van die nieuwe toepassing.”
Al snel werd duidelijk dat de nieuwe toepassing veel potentie had. Daarbij helpt het dat vorig jaar vanuit de AiNed MIT AI-call subsidie voor dit project werd toegekend. “Het zorgde net voor het benodigde zetje om te gaan onderzoeken in hoeverre er in de markt partijen zijn die interesse hebben in dit product”, geeft Stenfert aan. “HKV is vooral een dienstverlener en wij waren gewend om ons vooral met adviezen bezig te houden in de watersector. Maar nu moeten we echt een product ontwikkelen en die in de duurzame energiesector op de markt brengen. Dat is echt iets anders!”
De eerste stap: een bètaversie maken. Stenfert: “We hebben een AI-algoritme ontwikkeld dat onder andere op basis van real-time satellietbeelden en historische data gedetailleerd voor een locatie kan aangeven hoeveel zonne-instraling daar de komende zes uur wordt verwacht. Daarbij werken we met tijdseenheden van een kwartier en met onzekerheidsmarges, om risico-gebaseerde beslissingen te kunnen maken. Het was flink puzzelen om tot een algoritme te komen dat in staat is om met verschillende ingewikkelde modellen te werken met verschillende informatiebronnen en verschillende lagen. Maar wel een heel leuke en interessante puzzel”.
RayCast: dat is de naam van de AI-toepassing. Bij de ontwikkeling van de bètaversie kregen de oprichters van Pythia Energy Intelligence de nodige hulp: niet alleen van hun collega’s bij HKV, maar ook van postdocs en PhD-studenten van TU Delft. Daarbij bleek netbeheerder Alliander bereid om mee te denken en om de bètaversie uitgebreid te valideren. “Superspannend”, blikt Stenfert terug. “Nadat de specialisten van Alliander een historische analyse hadden gedaan en we daar afgelopen juni een overleg over hadden, waren we echt nerveus. Want wat als de voorspellingen van RayCast er helemaal naast zouden zitten? Maar tot onze grote opluchting waren de eerste resultaten positief. Er viel een last van onze schouders. We konden verder.”
Momenteel loopt er een pilot waar meerdere partijen aan meedoen, waaronder een netbeheerder, een energiehandelaar en een bedrijf dat lokaal elektriciteitsmanagementsystemen bouwt. “De vraag is nu of onze oplossing hen inderdaad nieuwe handelingsperspectieven biedt en hen beter ondersteunt bij de beslissingen die ze moeten nemen. Een juiste balans wordt steeds belangrijker, want zowel een teveel als een tekort aan zonne-energie levert momenteel al regelmatig problemen op voor het beheer van het netwerk. Als het goed is, weten we eind van dit jaar in hoeverre onze huidige versie van RayCast in een behoefte voorziet. Als de testresultaten positief uitvallen en we de eerste betalende klanten aan ons weten te binden, kunnen we door met de volgende stap. Dat is althans het plan”, zegt Stenfert lachend.
Meer weten over RayCast of Pythia Energy Intelligence? Bezoek de website of stuur een mail naar Marnix of Joost.
Het mkb, waaronder ook veel startups, heeft een belangrijke economische en innoverende rol. Uit onderzoek blijkt dat het mkb tegen vele barrières aanloopt bij het toepassen van AI. De AiNed MIT AI call om de kloof tussen de kennisbasis en toepassing van AI-innovaties te overbruggen, wordt ondersteund vanuit het AiNed-programma. Deze regeling wordt jaarlijks herhaald tot en met 2026. Via de ze website blijft u op de hoogte.