Milieubewust met Data: Met gebruik van Data Science voorspellen op welk moment de meest duurzame energie verbruikt kan worden

Interview met Frederieke Suryapranata & Tom Lotze, Data Science Consultants Capgemini

Kunnen jullie wat vertellen over het project waar jullie op dit moment aan werken?

 Frederieke: “Wij werken op dit moment samen aan een uitbreiding van de CO2-monitor, die eerder ontwikkeld is door NetAnders, een dochterbedrijf van de Gasunie. In de CO2-monitor is real-time informatie te zien over de gas en energie opwek in Nederland en de CO2-uitstoot hiervan. Per gas en energie bron is dit weergegeven op kwartier niveau. Hierin is informatie beschikbaar over duurzame energie, zoals wind en zonne-energie, maar ook kolencentrales en gascentrales etc. Het doel van ons project is om  een 24-uurs voorspelling te maken voor de opwek van de verschillende energie- en gasbronnen en voor al deze bronnen de CO2 emissie inzichtelijk te maken in een dashboard.”

Dat klinkt interessant, wat is uiteindelijke de waarde van deze informatie?

 Tom: “Het is heel waardevol om inzichtelijk te maken waar de energie die we de hele dag gebruiken vandaan komt, vooral omdat dit enorm kan verschillen over de tijd. Dit is heel anders dan “vroeger”, toen bijna alle elektriciteit werd opgewekt door gas- en kolencentrales. Door dit soort tools kunnen we ons planbare energieverbruik beter afstemmen op de hoeveelheid energie die duurzaam beschikbaar is. Concreet zou je deze informatie dus kunnen gebruiken om bewustere keuzes te maken over wanneer je je wasmachine aanzet, zodat je groenere en schonere elektriciteit gebruikt.

Welke data hebben jullie hiervoor gebruikt?

 Frederieke: “We hebben hiervoor openbare data gebruikt van onder andere KNMI (weerdata), ENTSOE (dataplatform waar informatie over elektriciteit opwek, transportatie en verbruik in Europa wordt bijgehouden), en ENTSOG (dataplatform waar informatie over gasstromen wordt bijgehouden). “

Hoe zit het model in elkaar?

 Tom: “Het zijn eigenlijk allemaal verschillende modellen: één model voor elke component in de energiemix. We kunnen er wel een aantal uitleggen. Voor de berekening van zonne-opwek bijvoorbeeld is weerdata van KNMI-weerstations geaggregeerd op provincie niveau. Door middel van aannames over hoeveel zonnepanelen er zijn, en hoe die zonnepanelen opgesteld staan, kunnen we de potentiële opwek-capaciteit berekenen. Vervolgens kunnen we met hoek van inval berekenen aan de hand van de datum en tijd. Met de weersvoorspelling kunnen we dan een voorspelling doen over de opwek van alle zonnepanelen.

Het lastige is dat er geen validatie data beschikbaar is, omdat niemand precies weet hoeveel zonnepanelen er zijn en wat ze opwekken. Dit komt omdat zonnepanelen over het algemeen decentraal zijn opgesteld, dat wil zeggen, achter de meterkast. Netbeheerders krijgen daardoor weinig informatie over wat er nu daadwerkelijk opgewekt wordt omdat het direct verrekend wordt met verbruik van een huishouden of bedrijf.”

 Frederieke: “Voor de windmodellen is ook een natuurkundig model gebruikt dat werkt op basis van windsnelheid en eigenschappen van de verschillende windturbines. We maken voor windenergie een verdeling tussen wind-op-zee en wind-op-land. Voor wind-op-zee wordt data verzameld van de offshore KNMI-weerstations om zo de totale windenergie op zee te berekenen, afkomstig van de verschillende windparken. Voor wind-op-land wordt er gekeken naar het aantal windmolens per provincie en met behulp van de KNMI-weerdata wordt een berekening gemaakt voor de totale opwek. ”

Tom: “Het deel van de vraag naar elektriciteit dat niet duurzaam wordt opgewekt, moet worden opgevangen door gas- en kolencentrales, en mogelijk import van elektriciteit. Voor de gascentrales ontwikkelen we op dit moment een machine learning model dat voorspelt hoeveel elektriciteit er door gascentrales opgewekt gaat worden. Deze voorspellingen worden o.a. gedaan op basis van data over duurzame opwek, prijzen van elektriciteit (die zijn soms negatief!), onderhoud, de vraag naar elektriciteit en import. ”

Frederieke: “Naast de modellen over elektriciteit, ontwikkelen we ook modellen die het gasverbruik bepalen voor de industrie en huishoudens. Hiervoor gebruiken we een neuraal netwerk dat rekening houdt met verschillende factoren, zoals temperatuur, weekdag, seizoen, tijdstip etc. “

Tom: “Alle voorspellingen worden samengevoegd in een dashboard, en worden uiteindelijk toegevoegd aan de bestaande CO2-monitor. Op die manier kan iedereen dan vooruitkijken, en kan de vraag beter worden afgestemd op het (duurzame) aanbod. ”