Zonder energie staat Nederland stil. Bedrijven als Alliander ontwikkelen en beheren energienetten. Via hun kabels en leidingen ontvangen huishoudens en bedrijven elektriciteit en gas. Alliander regelt dit voor ruim drie miljoen klanten.
‘Door de energietransitie, digitalisering, woningbouw en economische groei wordt het snel drukker op het elektriciteitsnet. Op sommige plekken en tijden te druk’, schetst Jacco Heres, datawetenschapper bij Alliander.
‘We werken hard aan de uitbreiding van het stroomnet, maar op steeds meer plaatsen groeit de vraag naar elektriciteit sneller dan wij kunnen bouwen’, vervolgt Jacco Heres. ‘Op die plekken kunnen we industrie, kantoren en supermarkten geen extra capaciteit geven tot het net is uitgebreid.
Naast uitbreiding werken we aan slimmer en efficiënter gebruik van het stroomnet om filevorming te voorkomen.’
Project STORM
Om die files te voorkomen, is een beter inzicht nodig van alle stromen, die over het net gaan. Hierbij helpt STORM, een samenwerkingsproject onder leiding van Roel Bouman, waaraan Alliander en de afdeling Data Science van de Radboud Universiteit deelnemen. Binnen het projectteam verzorgt Roel Bouman het projectmanagement en technisch overzicht.
Hij is afgestudeerd in scheikunde en computerwetenschappen, met als specialisatie data science en machine learning. ‘Om het project vaart te geven hebben we in november 2021 een hackathon georganiseerd op de campus’, vertelt Roel Bouman. ‘Doel was dat de deelnemers ons op ideeën brachten om met behulp van algoritmen, volledig automatisch, te voorspellen wanneer er in de data schakelgebeurtenissen plaatsvinden.’
Automatisch filteren
‘Natuurlijk probeert ook Alliander door metingen te voorspellen wanneer en waar het druk zal zijn. Maar in meetdata zitten altijd fouten en onregelmatigheden. Bovendien vinden er ‘verschakelingen’ plaats, omleidroutes, wanneer bijvoorbeeld ergens een kabel breekt. Daardoor worden andere routes weer drukker.
Wil je de echte belasting meten en voorspellingen doen voor een optimaal gebruik, dan moet je foute data eruit filteren. Liefst automatisch”, verklaart Roel Bouman, ‘want als het door mensen gebeurt kost het veel tijd en ben je afhankelijk van hun expertise en beschikbaarheid.’
Wiskundig model
‘Met machine learning ben je altijd in functie en heb je op elk moment actuele data.’ Het team van Roel Bouman ontwikkelde er een wiskundig model voor dat geschikt is data te analyseren met behulp van algoritmen. ‘Dat is puzzelen, een soort van super sudoku oplossen.
Vijftig procent doen en vijftig procent denken. We hebben een demonstrator gemaakt waarbinnen de data-analyse volledig digitaal gebeurt. Die werkt goed en wordt nu door Jacco en zijn team ingevoerd bij Alliander.’
Is dit dé oplossing? ‘Ja’, zegt Roel Bouman. ‘Al zijn er altijd updates nodig. Elk systeem heeft namelijk onderhoud nodig.’
Gepubliceerd op TechGelderland
