Heb je de video bekeken en wil je de uitleg nog eens rustig nalezen? Hieronder vind je het volledige script van de video. Handig om alles nog eens op je gemak door te nemen.

Grip op netcongestie met energieflexibiliteit – theorie

Welkom bij deze korte lezing over energieflexibiliteit en hoe we grip kunnen krijgen op netcongestie. Mijn naam is Robbert-Jan Dikken en ik ben onderzoeksleider op het gebied van data-driven physics en AI bij adviesbureau Peutz. Vandaag bespreken we wat energieflexibiliteit inhoudt. Dit doen we aan de hand van drie vragen: Waarom is energieflexibiliteit belangrijk? Hoe werkt het? En wat levert het op?

Grote uitdagingen voor het elektriciteitsnet

We staan voor grote uitdagingen met het oog op de energietransitie en de toenemende vraag naar elektriciteit. De ambitieuze klimaatdoelstellingen leiden tot vergaande elektrificatie van de maatschappij. Denk ook aan de groeiende vraag naar elektrische voertuigen die door oplaadmomenten de piekbelasting verhogen. Bovendien worden we steeds afhankelijker van zon- en windenergie. Hierdoor hebben we meer te maken met variabele energieopwekking, wat het balanceren van vraag en aanbod moeilijker maakt. Het onvermogen van het elektriciteitsnet om aan de toenemende vraag, en daarbij ook aan het toenemende aanbod, te voldoen, leidt tot netcongestie en vormt een belemmering voor duurzame groei.

Energieflexibiliteit kan een belangrijke rol spelen in het aanpakken van netcongestie en het optimaliseren van energiegebruik in gebouwen.

Wat is energieflexibiliteit?

Energieflexibiliteit is het vermogen van een gebouw om energiegebruik en energielevering aan te passen aan veranderende omstandigheden in vraag en aanbod, zonder dat dit ten koste gaat van comfort of functionaliteit.

Hierbij onderscheiden we een referentieprofiel, het standaard energiegebruikspatroon zonder enige vorm van flexibiliteit of aanpassing en een afgeweken profiel dat ontstaat door flexibiliteitsmaatregelen zoals vraagsturing of energieopslag. Hierdoor kunnen extreme pieken in het referentieprofiel gedempt worden.

Relevante parameters voor energieflexibiliteit

Energieflexibiliteit begint met het verzamelen van data. Hier zie je de belangrijkste parameters:

• Weerdata voor voorspellingen over zonnestraling en temperatuur.
• Energieaanbod van het energienet en lokale opwekking.
• De verwachtte energiebehoefte van verwarming, koeling en ventilatie.
• Elektrische voertuigen en de potentiële impact op piekbelastingen en laadstrategieën.
• Tot slot hebben we bedrijfsspecifieke situaties, zoals verlichting, computers, andere apparatuur en potentieel aanwezige batterijsystemen.

Gebouwen kunnen met deze parameters tot energieflexibiliteit komen door slimme regelstrategieën te implementeren, gebaseerd op voorspellingen van energievraag en -aanbod. Zo kan met efficiënt beheer van HVAC-systemen het gebouw verwarmd of gekoeld worden op momenten dat energie overvloedig is, met behoud van comfort voor gebruikers.

Proces van energieflexibiliteit

Bij energieflexibiliteit monitoren we continu de relevante gebouw- en omgevingsparameters. Ook gebruiken we modellen om voorspellingen te doen met betrekking tot energiegebruik. Op basis daarvan kunnen we aansturende acties uitzetten om zo de energievraag en het aanbod bij elkaar te brengen. Vervolgens kunnen we de effecten hiervan weer monitoren en meenemen in de vervolg-aansturing.

Deze slimme aansturing binnen het gebouw maakt gebruik van sensoren en AI-systemen om te anticiperen op potentiële piekbelasting. Met predictive control kan het deze piekbelasting minimaliseren.

Model predictive control, MPC, helpt ons bij het voorspellen van het effect van regelacties op het energiegebruik in een gebouw. Door in deze modellen fysische inzichten met data-gedreven technieken te combineren zijn de resultaten betrouwbaar en goed te interpreteren. Aan de hand van deze modellen en data kunnen we goedgeïnformeerde beslissingen nemen om het energiegebruik van het gebouw te optimaliseren.

Voorspellen van energie-opwekking

Een belangrijke component in de optimalisatie van energiegebruik is informatie over de lokale energieopwekking. Lokale energieopwekking kan sterk fluctueren, afhankelijk van het weer en seizoen. Het voorspellen van de verwachte zonne-energie levert een belangrijke input in een slimme aansturing van een gebouw. Aan de hand van lokale informatie zoals temperatuur, atmosferische druk, luchtvochtigheid, en tijdsprofielen en fysische modeldata kunnen we modellen trainen om een voorspelling te doen van de verwachte zonne-energie voor de komende 12 uur. Door meerdere modellen te trainen kunnen we intrinsieke onzekerheden in de data benutten om ook inzicht te krijgen in de mate van onzekerheid in de voorspelling, zodat we dit ook in de regelstrategie kunnen implementeren.

Voorspellen van energiegebruik

Voor de voorspelling van het effect van regelstrategieën op het energiegebruik kunnen we meerdere modellen trainen. Dat biedt ook inzicht in de onzekerheid van de voorspelling. De voorspelde absolute afwijking is een maatstaf voor de betrouwbaarheid van de voorspelling, en dus voor de robuustheid van de regelstrategie. Voor een redelijk periodiek verloop is de voorspelde onzekerheid relatief klein en volgt de voorspelling de referentiecurve zeer goed.

Als de referentiecurve meer variatie heeft, geldt dat ook voor de voorspelde absolute afwijking. Hierdoor kunnen we op een goed geïnformeerde manier gebruikmaken van de voorspelbaarheid in de data. Als we de regelstrategie als niet robuust beoordelen, kunnen we een conventionele regeling inzetten waarmee we het energiegebruik tijdelijk minder optimaal regelen, maar waarmee we wel een hogere mate van betrouwbaarheid in functionaliteit garanderen.

Netbewuste gebouwen maken gebruik van strategieën om piekbelastingen te verlagen en het netwerk te ontlasten, terwijl we tegelijkertijd efficiënt energie blijven gebruiken. Een netbewust gebouw heeft bijvoorbeeld een intelligente laadstrategie voor elektrische voertuigen op de parkeerfaciliteit.

Optimaliseren middels energieflexibiliteit

Voor een kantoorgebouw geldt vaak dat de meeste werknemers rond hetzelfde tijdstip in de ochtend aankomen. Als deze elektrische voertuigen allemaal tegelijkertijd worden opgeladen, levert dit een aanzienlijke piekbelasting op. Met informatie over wanneer werknemers verwachten te vertrekken kunnen we een intelligent laadalgoritme en een dynamische en optimale laad-planning maken, in samenspel met het gebouwgebonden energiegebruik en lokale energieopwekking door zonnepanelen. Dit vermindert de piekbelasting, terwijl de laadfunctionaliteit behouden blijft.

Energieflexibiliteit biedt gebouweigenaren en -beheerders dus een effectieve manier om bij te dragen aan een stabieler elektriciteitsnet en tegelijkertijd kosten te besparen. Het stelt hen in staat slimmer om te gaan met energie, hernieuwbare bronnen beter te benutten en bij te dragen aan de energietransitie zonder grote investeringen in infrastructuur.

Door slimme dataverwerking en voorspellende modellen creëren we duurzamere, kostenefficiënte en toekomstbestendige gebouwen. De volgende stap is de verdere implementatie en optimalisatie van deze technologie in de praktijk.