Alliander en Radboud Universiteit werken samen aan energietransitie
Alliander en Radboud Universiteit werken samen aan energietransitie

Improved Pulse Program

AI & Data Science
Looptijd
1 januari 2019
Projectleden
W.K. de Swart (Wieske) E.J. Gerritse (Emma) MSc , Jacco Heres (Alliander)
Projecttype
Onderzoek

In het project Improved Pulse Program werken onderzoekers aan de doorontwikkeling van het PULSE Program van Alliander. In PULSE wordt een zo goed mogelijke inschatting gemaakt van de belasting van transformatorstations (MSRs) door middel van slimme meter verbruiksdata. Deze slimme meterdata mag alleen samengevoegd en geanonimiseerd gebruikt worden, en is slechts beschikbaar voor een deel van de elektriciteitsaansluitingen. Door gebruik te maken van methoden zoals disaggregatie en clustering, kunnen met deze data nu gedetailleerde verbruiksprofielen opgesteld en gegroepeerd worden. Deze inzichten helpen niet alleen om het dagelijkse netwerkbeheer te verbeteren, maar ook om het stroomnet toekomstbestendig te maken.

Wat is disaggregatie en clustering?

  • Disaggregatie splitst het totale energieverbruik van een aansluiting, gemeten via de slimme meter, op in bruto opwek en verbruik. Door opwek en verbruik te scheiden kunnen verdere analyses, zoals het clusteren van gebruikers in vergelijkbare groepen, veel beter gedaan worden
  • Clustering groepeert aansluitingen met vergelijkbare verbruiksprofielen. Hierdoor kunnen typen gebruikers worden onderscheiden, zoals woonhuizen, kantoren of industriële panden. Dit helpt netbeheerders om het verbruik of de opwek over de tijd beter in te schatten van aansluitingen waarvan geen slimme meter beschikbaar is, of waarvan de slimme meter data niet gebruikt kan worden omdat er een tijdreeks van een individuele klant nodig is.

Waarom is dit belangrijk?

Door disaggregatie en clustering toe te passen, kan het Improved Pulse Program waardevolle inzichten bieden voor:

  1. Dagelijkse operationele planning: Door betere voorspellingen van energiestromen kunnen netbeheerders het stroomnet efficiënter inzetten, piekbelastingen vermijden en de stabiliteit waarborgen. Er hoeven niet overal meters opgehangen te worden om toch een beeld te krijgen van de stromen en spanningen in het net.
  2. Netwerkontwerp en -planning: De verbruiksprofielen en clusters helpen bij het inpassen van nieuwe klanten en het ontwerpen van nieuwe netwerken die zijn afgestemd op de behoeften van verschillende typen gebruikers. Ook hier is het grote voordeel dat, zonder in elk transformatorhuisje meters op te hangen, er al een redelijk goed beeld is van de energiestromen door de transformator.

Resultaten

  • Deze nieuwe aanpak vervangt traditionele methoden zoals sleepwijzermetingen waarbij alleen de maximale stroombelasting over een periode van vele jaren werd geregistreerd. 
  • Het projectteam integreert de nieuwe aanpak in het bestaande programma PULSE van netwerkbeheerder Alliander. PULSE is sinds 2019 live en voor alle transformatorhuisjes beschikbaar. 
  • Ook worden de resultaten gebruikt in het lange termijn voorspelmodel ANDES en de MSR load estimator van System Operations.
  • De methode en de resultaten zijn ook beschreven in het paper (PDF) Creating Bottom Up Load Profiles Using Disaggregation, Clustering and Supervised Machine Learning on Large Smart Meter Dataset

Financiering

Emma Gerritse en Wieske de Swart hebben hun research internship van de Data Science master bij Alliander gedaan en op deze manier bij elkaar het equivalent van 6 maanden full time aan het PULSE product bijgedragen.

Partners

Contactinformatie

Meer informatie? Neem contact op met Jacco Heres via jacco.heres[@]alliander.com, of neem contact op met:

Contactpersoon