Januari 2022
‘De energietransitie kan niet zonder kunstmatige intelligentie’
Interview met Mathijs de Weerdt, universitair hoofddocent TU Delft ‘Algoritmes voor planning en optimalisatie’
Kunstmatige intelligentie (AI) kan een bijdrage leveren aan het versnellen van de energietransitie. Slimme algoritmes kunnen bijvoorbeeld vraag en aanbod van wind- en zonne-energie in balans brengen, opslag en onttrekken van energie slim sturen en de inzet van warmtepompen efficiënter maken. Prof.dr. Mathijs de Weerdt vindt dat de energietransitie niet zonder AI kan. ‘Het energiesysteem van de toekomst is enorm complex, vanwege de ongelijkheid van productie en consumptie, de verschuiving naar decentraal en de benodigde verregaande koppeling tussen de infrastructuren voor elektriciteit, gas en warmte. In die complexe puzzel biedt AI uitkomst.’
We kennen allemaal de voorbeelden en de voordelen van kunstmatige intelligentie: zelfrijdende auto’s, chatbots, vertaaldiensten, Netflix die films aanbeveelt op basis van je kijkgedrag en navigatiesystemen die vertellen welke alternatieve route je het beste kunt nemen om niet in een file terecht te komen. Allemaal maken ze gebruik van algoritmes die op basis van data of signalen uit hun omgeving zelfstandig beslissingen nemen én daarvan leren. Er kan en gebeurt al veel op het gebied van AI, maar gek genoeg zijn er in ons energiesysteem nog maar weinig toepassingen van bekend. Dat kan en moet anders, vinden de opstellers van de position paper ‘AI als versneller van de energietransitie’. Want Nederland loopt achter als het gaat om AI en de energietransitie is gebaat bij slimme oplossingen. De position paper, die in september is gepubliceerd, komt voort uit de werkgroep Energie en Duurzaamheid van de Nederlandse AI-Coalitie (NLAIC), een publiek-privaat samenwerkingsverband dat als doel heeft AI-initiatieven te verbinden en te versnellen. De overheid, het bedrijfsleven, onderwijs- en onderzoekinstellingen zetten daar samen de schouders onder. Prof.dr. Mathijs de Weerdt neemt deel aan deze coalitie en is voorzitter van de werkgroep Energie en Duurzaamheid. Hij leverde een belangrijke bijdrage aan de paper en hoopt dat het document partijen zal aanzetten om AI-onderzoek en -innovatie naar een hoger plan te brengen.
Energiesysteem
De Weerdt: ‘Twee jaar geleden begonnen we in te zien dat we in Nederland achterlopen als het gaat om het praktische gebruik van AI. Europa ligt al achter op China en de VS, Nederland zit binnen Europa ook zeker niet in de voorhoede. Terwijl de potentie er weldegelijk is, vinden veel bedrijven het een te groot risico om erin te investeren. De NLAIC is opgericht om daar verandering in te brengen en AI echt in praktijk te brengen, in alle sectoren. Persoonlijk zet ik me in voor AI in het duurzame energiesysteem, mijn specialisme.’
De energietransitie vereist een nieuwe manier van denken, legt De Weerdt uit. ‘De energieproductie verschuift van centraal naar decentraal, van controleerbaar naar niet controleerbaar en maar tot zekere hoogte voorspelbaar, met name als we kijken naar wind en zon. De productie komt niet altijd meer overeen met de momenten dat er energiebehoefte is. Energieopslag wordt dus belangrijk, maar dat ligt bij elektriciteit nu nog lastig.’
‘We kunnen het systeem ook slimmer maken, zodat we elektrische energie gaan gebruiken op de momenten dat het wordt opgewekt, bijvoorbeeld met ‘demand response’ (zie kader). Met de juiste prijsprikkel wordt het dan interessant om ons verbruik te sturen door middel van AI. Met algoritmes die kunnen voorspellen en acties kunnen verplaatsen in de tijd. Zo kan elk huishouden, elk bedrijf dan een stukje flexibiliteit aanbieden en benutten.’
‘Ook warmtepompen zijn slim te maken met AI’
Zelflerende software
Er zijn al wel slimme batterijsystemen voor de opslag van elektriciteit uit zonnepanelen. Zelflerende software bepaalt wanneer de groene stroom het beste is in te zetten of het juist beter is om het tijdelijk op te slaan. Slimme algoritmes die het weer en de energieprijzen kunnen voorspellen, zorgen dat de batterijen opladen als de zon schijnt of het net overbelast lijkt te raken. Als de batterijen van verschillende gebruikers verbonden zijn, kunnen ze hun energie via hetzelfde algoritme ook nog eens slim uitwisselen op de juiste momenten. In feite helpen ze de netbeheerder om het net stabiel te houden.
Want de netcapaciteit gaat een groot probleem worden, voorziet De Weerdt. ‘Het energienet raakt overbelast door overproductie of overconsumptie, afhankelijk van het weer en de vraag naar energie. Daardoor kunnen storingen ontstaan, maar zien we ook al dat aanvragers van nieuwe aansluitingen op lange wachtlijsten komen te staan. Hele woonwijken zelfs. De netbeheerder kan simpelweg niet meer garanderen dat ze altijd gebruik kunnen maken van het net. In sommige regio’s betalen netbeheerders bedrijven om op ‘drukke’ momenten het net niet te gebruiken. Dat is natuurlijk een idiote situatie. Zo wordt het interessant voor bedrijven om te zeggen dat ze heel veel gaan gebruiken en zich te laten betalen om dat vervolgens niet te doen. Er zitten dus fouten in de regels. Zelfs die fouten zou je kunnen benutten met AI,’ lacht hij.
Warmtepompen
De optie om het net dan maar te verzwaren is duur en tijdrovend. ‘Voordat we heel Nederland hebben voorzien van dikkere kabels en grotere transformatorhuisjes, zijn we dertig jaar en vele miljarden verder. En dat hoeft helemaal niet, want we weten dat we het met AI veel intelligenter kunnen aanpakken en die investeringen kunnen voorkomen. Algoritmisch kunnen we dat best al vormgeven, maar door wetgeving en gebrek aan mensen die het kunnen installeren en de cyber security regelen, komt het niet van de grond.’
Het gaat niet uitsluitend om wind- en zonne-energie, geeft De Weerdt aan. Ook warmtepompen zijn slim te maken met AI. ‘Je zou de warmtepomp heel goed kunnen laten reageren op de elektriciteitsprijs, zoals dat ook mogelijk is bij het laden van elektrische auto’s. Een algoritme kan op basis van de sensorinformatie, de weersverwachting en de historische warmtevraag, leren hoeveel tijd er nodig is om een ruimte te verwarmen, hoeveel energie daarvoor nodig is en welke flexibiliteit je hebt om die inzet beter te plannen. Bovendien bieden warmtepompen de mogelijkheid van opslag in water. Je kunt ondergronds water opslaan voor de winter bijvoorbeeld. Het vullen en legen van een tank is ook weer slim te sturen door AI.’
Vraag creëren
Om dat mogelijk te maken, zullen producenten algoritmes moeten inbouwen in hun producten, of die intelligentie apart moeten gaan aanbieden. ‘Zolang de markt daar niet naar vraagt, zullen de producenten daar niet in gaan investeren. Daar ligt wat mij betreft wel een taak voor de technische branche. Zoek uit wat er al is en creëer vraag naar zulke slimme sturingen, zodat productontwikkeling op gang komt. Er zijn straks meer warmtepompen dan elektrische auto’s, dus het is belangrijk dat we die slim kunnen sturen en zo min mogelijk het net laten belasten,’ zegt De Weerdt. Er zijn nog wel de nodige uitdagingen. Zoals het ontsluiten en beveiligen van de data die de algoritmes gaan voeden. Het bieden van garanties dat het net niet wordt overbelast terwijl niets zo onvoorspelbaar is als de mens. En tot slot, zo zegt De Weerdt, zullen we ervoor moeten zorgen dat het hele systeem eerlijk blijft. Dat legt hij uit: ‘Jongeren en mensen met veel budget zullen eerder een warmtepomp met extra intelligentie aanschaffen dan mijn schoonmoeder. Die eerste groep gaat dus flink financieel voordeel krijgen van duurzaamheid in combinatie met AI in het nieuwe energiesysteem. Terwijl mijn schoonmoeder, die in een slecht geïsoleerd huis woont waar de thermostaat constant op 23 °C staat, het volle pond betaalt. Hoe eerlijk is dat?’
Opleiden in AI
Een andere belemmering, zoals De Weerdt al eerder aanstipte, is het gebrek aan technici die de doorbraak van AI mogelijk moeten maken. ‘Om dit echt toepasbaar te maken, hebben we mensen nodig die IT in de vingers hebben, maar ook snappen hoe het energiesysteem werkt. Daar hebben we er lang niet genoeg van en het opleiden van mensen kost tijd. Bovendien, we kunnen niet alles oplossen met kunstmatige intelligentie. Een uitbreiding van de netcapaciteit zal dus absoluut ook nodig zijn. Dat kost ook geld en ook daar zijn meer technici voor nodig.’
‘AI kan scenario’s opstellen die besluitvormers helpen bij hun overwegingen’
Besluitvorming
De energietransitie gaat gepaard met belangrijke beslissingen. Kies je voor een warmtenet of een all electric-wijk? Welk effect heeft een warmtenet op de temperatuur van drinkwaterleidingen in de buurt? Wat is het verwachte energiegebruik over dertig jaar in een bepaalde wijk? Laat de diepe ondergrond wel grote geothermieprojecten toe? AI kan een rol spelen in het ondersteunen van de besluitvorming aan de voorkant. AI-systemen hebben de beschikking over een eindeloze hoeveelheid gegevens. Op basis van slim gekoppelde data over bijvoorbeeld de bodemkwaliteit, voorspellingen van toekomstige energieafname en inzicht in de kosten van beheer en onderhoud, kan AI scenario’s opstellen die besluitvormers helpen bij hun overwegingen.
‘In theorie kan dat zeker,’ merkt De Weerdt op. ‘Maar in de praktijk zitten we met tijdsdruk. We moeten nu iets gaan doen, terwijl het bouwen van een ondersteunende AI-tool veel tijd kost. Je moet er heel veel data voor bij elkaar brengen en de computer ook nog aanleren om die te begrijpen en interpreteren. Op kleinere schaal gebeurt het wel. Collega’s bij de TU Delft zijn bijvoorbeeld bezig om voor de Rotterdamse haven een algoritme te bouwen dat voorspellingen doet voor de verschillende verduurzamingsscenario’s.’
Digital twin
Laagdrempeliger en dichter bij de praktijk zijn toepassingen van AI in BIM en digital twins. Met AI zijn eventuele problemen in een BIM-model direct op te sporen en het kan zelfs problemen voorkomen. Er ontstaat inzicht in wat in het verleden werkte en wat niet, zodat het bij een volgend project suggesties kan doen voor ontwerpkeuzes. Hetzelfde geldt voor digital twins. De Weerdt: ‘Bij beslissingen voor een energiesysteem zou je het liefst eerst een digital twin van het gebouw of het systeem willen hebben. Daarin kun je de scenario’s gaan simuleren. Door er AI aan toe te voegen, leert de computer wat de beste scenario’s zijn en hoe je die nog kan verbeteren. Als je gebruik maakt van een gedetailleerde digital twin met heel veel informatie, kost het simuleren veel tijd. Maar je kan AI ook weer gebruiken om daar een simpeler model naast te zetten, dat uitsluitend de benodigde data voor het energiesysteem ontsluit.’ De Weerdt zou het liefst ook een digital twin maken van ‘de mens’. En daar algoritmes op los laten die kunnen voorspellen wie de komende jaren pv-panelen gaat kopen, op een warmtenet wil aansluiten of zijn huis gaat isoleren. ‘Voeg dat model van ‘de mens’ toe aan de digital twin van een regionaal energiescenario en je weet precies wat je te doen staat.
Demand response
Demand response is een systematiek gebaseerd op AI, die het mogelijk maakt dat bedrijven vooral energie afnemen bij een lage energieprijs, dus als er veel wind of zon is. Dit leidt tot gereduceerde consumptie bij lage energieproductie en hogere consumptie als er veel energie voorhanden is. Als de prijs hoog is, stellen bedrijven automatisch hun productieprocessen uit, hotels dimmen hun lichten en supermarkten passen de temperatuur van hun vriezers aan. Zodra de prijs weer daalt, wordt alles weer opgestart of opgevoerd. Voor demand response is een slim energienet nodig dat signalen geeft wanneer de energieprijs laag staat. Om het interessant te maken, zal de energieprijs voldoende moeten fluctueren. De verwachting is dat dit zal gebeuren als meer energie duurzaam geproduceerd wordt.
Cursus AI
De werkgroep Human Capital van de NLAIC is bezig een (gratis) cursus te ontwikkelen voor werkenden en studenten in de energiesector. Het doel van de cursus is om bewustwording te creëren van de mogelijkheden van AI. Een dergelijke cursus is eerder al ontwikkeld voor de zorgsector, de landbouw- en voedingssector. Kijk hier voor meer informatie.
Tekst: Astrid Zoumpoulis - Verbraeken
Fotografie: Sander van der Toren