Multidimensionale big data modellering voor betrouwbare elektriciteitsvoorziening
RSS Feed
This article was placed on: c2d
Weerpatronen veroorzaken grote schommelingen in het weer in Europa en in de potentiële levering van energie uit hernieuwbare energiebronnen. Weersomstandigheden kunnen de systeemtoereikendheid van een koolstofarm energiesysteem op lange termijn in gevaar brengen. Een robuuste en betrouwbare energievoorziening vereist geavanceerde modellen die deze variabiliteit kunnen voorspellen en beheren. Om de juiste combinatie van investeringen en maatregelen te kiezen, worden netwerkbeheerders ondersteund door diverse rekenmodellen. Deze modellen worden in dit onderzoek verbeterd met onder meer big data-analysetechnieken om processen op het gebied van klimaat, weer, energieproductie en -vraag in samenhang te analyseren. We spraken in juni met Machteld van den Broek, hoogleraar Energy System Integration aan de TU Delft.
De Partners
Het project ‘multidimensionale big data modellering’ is een samenwerking tussen Tennet, KNMI en de Universiteit Utrecht en richt zich op het verbeteren van rekenmodellen met big data-analysetechnieken. “Tennet vindt het natuurlijk heel belangrijk dat we een betrouwbaar elektriciteitssysteem hebben,” aldus Machteld. “Het KNMI heeft veel informatie over alle weerdata, wat essentieel is voor ons werk. Samen vormden we een klein consortium en zo vormden we een goede combi. De combinatie van wiskundige, informatica en energiesysteemexpertise was echt super interessant en nuttig.”
De betrouwbaarheid van het energiesysteem is van vitaal belang, vooral gezien de variabiliteit in duurzame energiebronnen. “Wij kijken altijd naar momenten waarop het energiesysteem de vraag niet aankan,” vertelt Machteld. “Deze inzichten helpen netwerkbeheerders zoals Tennet bij het nemen van maatregelen om de betrouwbaarheid te waarborgen, zoals het versterken van netwerken of het toevoegen van backup- of opslagcapaciteit.”
Weerdata
Met de toename van zonne- en windenergie is er een grotere afhankelijkheid van weersomstandigheden. Dit brengt nieuwe uitdagingen met zich mee. “In de toekomst komt er veel meer zonne- en windenergie, en heb je dus heel veel weerdata nodig van de klimaatmodellen van het KNMI,” legt Machteld uit. “Big data speelt een cruciale rol in het analyseren van processen op het gebied van klimaat, weer, energieproductie en -vraag. Door deze processen in samenhang te analyseren, kunnen de eisen voor een betrouwbare elektriciteitsvoorziening beter worden ingeschat. Onze nieuwe modellen bekijken meer van wat eigenlijk het goedkoopst is voor het hele systeem.”
Innovatieve modelleringsaanpak
Een belangrijk aspect van het project is de verbetering van bestaande modellen door het toepassen van nieuwe algoritmen. Rogier Wuijts richtte zich op het programmeren van modellen die efficiënter en sneller zijn. Zijn werk heeft geleid tot modellen die nu binnen enkele minuten kunnen worden doorgerekend, wat een aanzienlijke verbetering is ten opzichte van de uren die dit voorheen kostte. “Rogier heeft de bestaande modellen geoptimaliseerd, waardoor we nu veel sneller kunnen werken. Dit is een echte doorbraak voor ons,” vertelt Machteld trots.
Daarnaast voerde Rogier een systematische analyse uit om de impact van beperkingen binnen het energiesysteem te begrijpen. Hij onderzocht hoe verschillende beperkingen het systeem beïnvloeden en welke beperkingen je dus wel of niet moet meenemen in je modellen.
Aan de slag met klimaatdata
Er wordt bij simulaties nog vaak naar een enkel jaar gekeken, bijvoorbeeld een ‘goed jaar’ of een ‘slecht jaar’, en dat doet geen recht aan de grote variabiliteit van het weer. Bovendien is het lastig om te zeggen wat een ‘goed jaar’ is, omdat er zoveel verschillende factoren meespelen. Laurens Stoop werkte daarom aan de verwerking van enorme datasets met historische en toekomstige klimaatdata. Hij ontwikkelde technieken om deze data uit weermodellen efficiënter te verwerken en te integreren in de modellen.
Machteld legt uit: “Laurens keek meer vanuit wat je nu kunt met al die klimaatdata. Hoe kunnen we daar slim mee omgaan? Een van zijn belangrijkste bijdragen was het cumulatief berekenen van energieproductie en -vraag over langere tijdsperiodes. Dit stelde het team in staat om niet alleen momentopnamen te analyseren, maar ook de langetermijntrends en -patronen beter te begrijpen. Door de ontwikkeling van zijn methodes kunnen we lastige periodes voor het toekomstige energiesysteem identificeren.”
Uitdagingen
Ondanks de vooruitgang blijven er uitdagingen bestaan. Het toepassen van modellen op toekomstige klimaatjaren bleek tijdrovend. “Het toepassen op al die toekomstige klimaatjaren van verschillende klimaatmodellen in de wereld kost meer tijd omdat alles moet worden omgezet naar zon- en windaanbod,” aldus Machteld. Bovendien is er behoefte aan gedetailleerdere data op regionaal niveau, wat momenteel moeilijk beschikbaar is.
Naast zonne- en windenergie kwam ook de rol van waterkracht ter sprake. Waterkracht biedt een stabiele en betrouwbare bron van duurzame energie, wat essentieel is om de variabiliteit van andere hernieuwbare bronnen op te vangen. “Door waterkracht slim te integreren in het Europese energiesysteem, kunnen netwerkbeheerders beter inspelen op fluctuaties in vraag en aanbod, en zo de betrouwbaarheid van de energievoorziening verder versterken. We gaan graag aan de slag met uitgebreider onderzoek op dit vlak,” aldus Machteld.
Conclusie
Het multidimensionale big data-modelleringsproject onder leiding van Machteld en haar team biedt waardevolle inzichten voor de toekomst van de energievoorziening. Door de integratie van geavanceerde data-analysetechnieken en samenwerking tussen verschillende disciplines kunnen de uitdagingen van duurzame energie beter worden aangepakt. Machteld sluit af: “Onze uitkomsten geven energiebedrijven en netwerkbeheerders handvatten om ervoor te zorgen dat we ook in de toekomst verzekerd zijn van een adequate energievoorziening.”