VV06 Omslag 600
Oktober 2020

AI verhoogt betrouwbaarheid elektriciteitsnet

28 01

In 2050 zal meer dan 80 procent van het wereldwijde energiegebruik afkomstig zijn van hernieuwbare bronnen. De bijbehorende decentralisatie van de opwekking en het in goede banen leiden van vraag en aanbod, vraagt nogal wat van het elektriciteitsnet. Volgens Michael Wilkinson, segment leader Energy Digitalisation bij DNV GL, bieden nieuwe technieken als AI, machine learning en geavanceerde analyse de benodigde potentie op voorwaarde dat de mensen die ermee moeten werken worden betrokken en goed geïnformeerd.

Nog niet zo lang geleden had het Verenigd Koninkrijk te maken met de uitval van een relatief groot deel van het elektriciteitsnet door een gelijktijdig falen van twee grote krachtcentrales: een gasgestookte energiecentrale en een offshore windmolenpark. Bijna 1 miljoen mensen zaten zonder elektriciteit, wat onder meer leidde tot situaties waarin reizigers tot 9 uur vastzaten in het openbaar vervoer. Op zich is het geen zeldzaamheid dat krachtcentrales tijdelijk geen verbinding hebben met het net en dus geen energie leveren; in deze situatie ging het echter om twee centrales die kort na elkaar faalden en hiermee aanzienlijke problemen veroorzaakten.

Decentrale energieopwekking

Het zijn deze gebeurtenissen die benadrukken hoezeer we in deze tijd afhankelijk zijn van de beschikbaarheid van elektrische energie. Het gaat namelijk allang niet meer uitsluitend om het uitvallen van de verlichting of het openbaar vervoer dat stilstaat. Door de verdergaande elektrificatie in zowel gebouwen als de industrie kan het wegvallen van de spanning gevolgen hebben voor uiteenlopende (productie)processen, veiligheidssystemen, toegangssystemen, ict-systemen enzovoorts. En terwijl aan de ene kant het belang van een betrouwbare energielevering toeneemt, wordt deze aan de andere kant bedreigd door het toenemend aantal (decentrale) vormen van duurzame energieopwekking. Deze ontwikkelingen zijn nodig om in het kader van de energietransitie te komen tot fossielvrije en decentrale energiesystemen. Ze betekenen echter wel het einde van het oude model waarbij energiecentrales de elektrische energie opwekken en in één richting naar huizen en bedrijven sturen. Het elektriciteitsnet is verworden tot een open systeem dat op elk aansluitpunt potentieel mogelijkheden biedt om stroom af te nemen of juist aan te bieden. Deze ontwikkeling is een belangrijke oorzaak van de toenemende complexiteit van het net. Hierdoor is het voor energiebedrijven ook lastiger om te weten waar en wanneer elektriciteit beschikbaar is hoe zij deze betrouwbaar kunnen transporteren naar de juiste plekken, op het juiste tijdstip en in de juiste hoeveelheid. Kortom, oplossingen op hoog technisch niveau gewenst.

Het elektriciteitsnet is een open systeem geworden dat op elk aansluitpunt potentieel mogelijkheden biedt om stroom af te nemen of juist aan te bieden

Artificial Intelligence of Things

Eén van de oplossingen om de complexiteit het hoofd te bieden en vraag en aanbod beter op elkaar af te stemmen om overbelasting van het net te voorkomen, wordt gezien in Artificial Intelligence of Things – kortweg: aiot. Simpel gezegd is dit een vorm van AI gebaseerd op het streamen van data afkomstig van het Internet of Things (IoT) om zo realtime inzicht te krijgen in de conditie van het netwerk. Deze ‘things’ zijn uiteenlopende installaties en componenten die verbonden zijn met het internet en op deze manier gegevens beschikbaar kunnen stellen over – in dit geval – energiestromen. AI biedt vervolgens uiteenlopende mogelijkheden om de data, die op zichzelf een beperkte waarde hebben, om te zetten naar waardevolle informatie voor energiebedrijven en afnemers. Samen met de juiste software is AI in staat om de drie pijlers van een gezond elektriciteitsnet te verbeteren: operationaliteit, voorspelbaarheid en de mogelijkheid om te anticiperen op storingen of calamiteiten, zoals orkanen of aardbevingen. Een rapport van het Amerikaanse sas (ontwikkelaar en producent van analysesoftware en bijbehorende diensten); geeft aan dat AIoT in de VS inmiddels wordt toegepast door onder meer nutsbedrijven. Deze organisaties gebruiken de technieken om hun grids te optimaliseren, maar hebben voor de toekomst nog veel meer ideeën. SAS maakt hieruit op dat de noodzaak van ai en IoT bij de meeste bedrijven bekend is, maar dat nog lang niet iedereen gebruikmaakt van de mogelijkheden. Dit is op zich logisch, aangezien het hier om nieuwe technieken en technologieën gaat waaraan mensen eenvoudig moeten wennen. Ondanks dit gegeven, gaan de ontwikkelingen rondom de acceptatie van aiot dermate snel, dat het relatief snel op een punt zal komen waarbij verschillende systemen gelijktijdig data kunnen verzamelen en beschikbaar stellen voor analyse. Op dat moment is het eenvoudiger realtime beslissingen te nemen wat betreft in- en uitgaande energiestromen om zo de operationele efficiëntie van een net te verbeteren en de betrouwbaarheid te vergroten.

28 02Dit kastje wordt nu nog gebruikt voor het draadloos verzamelen van data in het kader van onderhoud. Dezelfde data over stroomafname en spanningsniveau kunnen echter uiteindelijk ook gebruikt worden in ai-algoritmes om de stroomafname van de bijbehorende grote installaties te leren voorspellen waardo

Voorspellen van opbrengst en vraag

Michael Wilkinson: ‘Bij dnv gl hebben we onderzoek gedaan onder bijna tweeduizend mensen die direct werkzaam zijn in de energiesector; zowel de traditionele als de hernieuwbare energiesector. We hebben onder andere gevraagd naar hun ideeën over de verschillende digitale technologieën en daaruit bleek dat 87 procent van de ondervraagden uit beide sectoren deze technieken als sleutelelement zien in hun strategie. Om nog iets nauwkeuriger te zijn, gaf 66 procent aan dat ai impact heeft op de energie-industrie en dat hier ook al veelvuldig gebruik van wordt gemaakt.’ Het gaat bij deze toepassingen vooral om het meten van uiteenlopende grootheden, maar ook het managen van de vraagkant. Wat betreft het voorspellen wordt ai bijvoorbeeld ingezet om de korte termijn voorspellingen te verbeteren zodat beter is in te schatten hoeveel energie te verwachten is op basis van de voorspelde hoeveelheid zon en wind. Verder zijn de nieuwe technologieën te gebruiken om de vraag van zowel bedrijven als particulieren steeds beter te voorspellen door te ‘leren’. Het gebruik kan bijvoorbeeld voorspelbaar zijn kijkend naar het tijdstip van de dag, de dag van de week, de weersomstandigheden enzovoorts. Hoe nauwkeuriger de voorspellingen van vraag en aanbod zijn, hoe beter de traditionele energiecentrales zijn in te zetten om bij een eventueel tekort aan energie bij te springen. Voorspellingen kunnen ook helpen om de juiste tijdstippen te definiëren waarop bedrijven hun batterijen zo goedkoop mogelijk kunnen opladen; dat is op tijdstippen waarop veel energie wordt geproduceerd (bijvoorbeeld op een zonnige dag) terwijl de vraag juist laag is (bijvoorbeeld in het weekend).

Op een rijtje

De energietransitie gaat steeds sneller; de verwachtingen zijn dat meer dan 80 procent van de wereldwijd gebruikte elektriciteit in 2050 afkomstig is van hernieuwbare energiebronnen, zoals wind en zon. Geavanceerde technologieën worden op dit moment al ingezet in het hele energiesysteem met bewezen toepassingen ten aanzien van voorspellen en plannen van de energieopbrengsten, het optimaliseren van de werking van energieproducerende installaties, het verzamelen van relevante data met betrekking tot onder meer de staat van installaties en componenten en het managen van de vraagkant. Hoewel een significant deel van de energieproducenten aangeeft digitale technologieën als speerpunt te zien, is er meer nodig om ervoor te zorgen dat hernieuwbare energiebronnen maximaal kunnen profiteren van nieuwe technologieën. Onder andere het menselijk vertrouwen speelt hierin een belangrijke rol.

Lagere energiebehoefte in 2050

Op 9 september 2020 publiceerde dnv gl de ‘Energy Transition Outlook’. Dit is een gedetailleerde, breed opgezette, onafhankelijke prognose van de energievraag tot 2050. Dit rapport geeft aan dat het jaar 2020 vanwege het coronavirus een kentering veroorzaakt in deze prognose. De pandemie heeft immers invloed op de wijze waarop mensen aankijken tegen leven, werken, reizen en zakendoen. Deze invloed is mogelijk van lange duur en raakt ook de energietransitie. Kijken we naar 2019 dan is daar een piek te zien in de vraag naar energie in olie als gevolg van onder meer het lange afstandswerken. Bovendien zal 2019 de boeken ingaan als het jaar dat – tot nu toe – de hoogste CO2-uitstoot kende. Door de pandemie is de vraag naar energie in olie en hiermee de uitstoot van CO2 echter drastisch verlaagd. Vooral door een vermindering van het lange afstandsverkeer en de toename van het aantal thuiskantoren. DNV GL voorspelt dat deze trends een blijvend maatschappelijk effect zullen hebben met grote impact op de energievraag van transport en commerciële gebouwen. De prognose ten aanzien van de energievraag tot 2050 is dan ook met 6 – 8 procent verlaagd ten opzichte van de prognose voorafgaand aan de pandemie. Dit betekent dat het aandeel duurzame energie in de totale energievraag wereldwijd mogelijk toeneemt.

Koppelen in de supermarkt

Wilkinson: ‘Een voorbeeld uit de praktijk betreft het koppelen van koel- en vriessystemen die in een groot aantal supermarkten staan. Dit zijn systemen die relatief veel energie gebruiken, maar ook weer niet 24 uur per dag hoeven aan te staan. Door ze gelijktijdig te managen is de beschikbare energie optimaal over de systemen te verdelen waardoor geen onnodige pieken op het net ontstaan.’
‘Natuurlijk zijn de mogelijkheden van ai en machine learning vele malen groter. Denk bijvoorbeeld aan onze elektrische auto’s. Het aantal groeit nog steeds en de verwachting is dat dit nog wel even zal doorgaan. Dit betekent dat het aantal auto’s dat tussen 17.00 en 18.00 uur, wanneer mensen thuis komen van het werk, gelijktijdig worden aangesloten op het net, zal toenemen. Zonder maatregelen leidt dit ongetwijfeld tot problemen. AI kan ondersteunen door ervoor te zorgen dat juist rond dat tijdstip extra veel energie beschikbaar is door energie op te slaan in bijvoorbeeld batterijen of andere energiedragers op het moment dat de vraag laag is. Wanneer we dit goed doen, gaat dat een enorme hoeveelheid geld besparen.’

28 03Mogelijkheden van ai bij hernieuwbare energiebronnen.

Acceptatie AI

Ondanks de geavanceerde mogelijkheden van ai, roepen de huidige ontwikkelingen ook vragen wat betreft betrouwbaarheid. In hoeverre zijn bijvoorbeeld de conclusies op basis van ai te vertrouwen? Een vraag die zeker van belang is wanneer het gaat om plotselinge ontwikkelingen of calamiteiten die direct actie of beslissingen vragen. Een andere vraag betreft de mensen die de algoritmes schrijven: zijn al deze mensen te vertrouwen en gaan zij integer om met alle data? Wilkinson: ‘Data-analyse is op zich niets nieuws. Mijn eerste taak bij dnv gl was het analyseren van data afkomstig van windturbineparken. Daarvóór werkte ik al voor de asset-managers van dergelijke windturbineparken. In die tijd werden mij de data maandelijks aangeboden op een cd-rom die via de post werd opgestuurd. Deze data werden geanalyseerd en omgezet in een rapport op basis waarvan de asset-managers hun beslissingen namen. Wat dat betreft kun je met recht zeggen dat data-analyse sinds die tijd grote stappen heeft gemaakt en dat de laatste ontwikkelingen op het vlak van ai en machine learning hebben geleid tot toch wel bijzonder geavanceerde mogelijkheden. Variërend van het creëren van foto’s en realistische afbeeldingen van dieren en mensen die nooit hebben bestaan tot zaken als gezichtsherkenning waardoor specifieke mensen uit grote groepen zijn te filteren. En niet te vergeten de virtuele assistentes in onder meer Alexa, Okay Google en Siri.’ Wilkinson geeft deze voorbeelden niet voor niets. Het gaat hierbij immers om concrete toepassingen van ai waarvan bekend is hoe mensen hierop hebben gereageerd. Wilkinson: ‘Zoals bij veel nieuwe technieken en technologieën hangt het succes van de toepassing af van de bereidheid van mensen om er op de juiste manier mee te werken. En dat heeft weer te maken met de vraag of zij direct het nut zien van een bepaalde technologie.’

Samenwerken

‘Dit heb ik onder andere gezien bij een samenwerking met de universiteit van Edinburgh. Een aantal wiskundigen van deze universiteit heeft samen met domeinexperts van dnv gl enkele nieuwe algoritmes ontwikkeld waarmee afwijkingen van het normale gedrag, de opbrengst, van windturbines zijn te identificeren. Hiermee bleken we in staat te zijn om maar liefst 80 procent tijd te besparen; wat je toch minimaal spectaculair kunt noemen. Gelijktijdig leerden we echter dat het nodig was om de mensen die het algoritme moeten gebruiken, te informeren over de werking en mogelijkheden. Met andere woorden: je kunt het algoritme wel aanbieden aan een specialist en verwachten dat hij het gewoon oppakt en inzet, maar dat gaat niet werken. Je moet eerst met elkaar samenwerken en laten zien wat het algoritme kan. Bovendien moet de gebruiker de voordelen ervan inzien zodat hij het vertrouwen heeft dat het zinvol is om het algoritme te gebruiken. Hij of zij moet het gevoel hebben dat het algoritme ook daadwerkelijk de analyses uitvoert waarvan zij denken dat hij ze uitvoert.’
‘Ik denk dat we hiermee kunnen concluderen dat data science de aandacht heeft van de duurzame energiesector en dat er ook serieus wordt gewerkt aan de implementatie van verschillende oplossingen om enerzijds het aanbod goed te kunnen voorspellen en anderzijds de vraag goed te managen. Daarbij blijf ik zeggen dat het ook belangrijk is om de beperkingen te blijven zien. Het is geen magie. Het is wiskunde en dat moeten we met een gezonde scepsis blijven benaderen. Daarbij niet vergetend dat de data die door de algoritmes worden gebruikt in veel gevallen persoonlijk zijn en dús beschermd moeten worden tegen oneigenlijk gebruik.’
‘Het is en blijft een kwestie van techniek en vertrouwen waardoor ik op de gedachte kwam: zou de asset-manager van het windturbinepark die eerder noemde de rapporten net zo zeer vertrouwd hebben wanneer deze waren samengesteld door een ai-algoritme? Een factor om rekening mee te houden wanneer we ai in de toekomst breed willen inzetten.’

Tekst: ing. M. de Wit-Blok, freelance journaliste.
Fotografie: Industrie

Meer weten over innovatieve technieken en ontwikkelingen?
Meld u dan nu aan voor onze gratis nieuwsbrief.