Deze AI-toepassing maakt gebruik van real-time satellietbeelden en historische data om de inkomende zonnestraling voor de komende uren beter te kunnen voorspellen. Eind 2023 waren er in ons land al 2,6 miljoen woningen met zonnepanelen. En dan zijn er ook nog de zonneweides en de panelen op bedrijfspanden en boerenschuren. Dat alles zorgt ervoor dat Nederland qua zonne-energie een vermogen van 24,4 gigawatt heeft. Per inwoner komt dat neer op 1.386 watt, en dat komt weer neer op de hoeveelheid stroom die 3,5 zonnepanelen kunnen opwekken.
Met dit gemiddelde is Nederland wereldwijd de grootste zonne-energie-opwekker. Op een zonnige dag kan het daardoor voor komen dat in lokale elektriciteitsnetten de stroom de andere kant op gaat: niet naar de afnemer, maar terug het stroomnet in. Gebeurt dat op een moment dat er sowieso al weinig stroom wordt afgenomen? Dan dreigt overbelasting van lokale elektriciteitsnetten.
Dure last minute energieaankopen
Gebeurt het omgekeerde? Dus laat de zon zich in de komende uren juist minder zien dan verwacht? Dan is dat eveneens een uitdaging voor partijen die verantwoordelijk zijn voor de energievoorziening. Er moet dan namelijk op het laatste moment nog elektriciteit van andere energiebronnen worden ingekocht. En op de stroommarkt hangt er aan dit soort last minute-aankopen een hoger prijskaartje.
Satellietdata en machine learning
Gezien het steeds grotere aandeel van zonne-energie in de Nederlandse energiemix wordt het managen daarvan steeds belangrijker. Er is dan ook veel behoefte aan data die helpen om beter in te schatten hoeveel zonne-energie er later op de dag zal worden opgewekt. Makkelijk is dat niet. Zelfs de beste meteorologen zitten er regelmatig naast met hun voorspellingen over hoe bewolkt en dus ook hoe zonnig het de komende uren op een locatie zal zijn. Op basis van zware weermodellen is het mogelijk om nauwkeurige weersvoorspellingen te maken voor de wat langere termijn, maar als het om de korte termijn gaat, dus een aantal uren vooruit, is het gewoon heel moeilijk om een goede voorspelling te geven.
Het belang van data
Datzelfde geldt overigens ook voor het nauwkeurig voorspellen van regenbuien. Met hulp van datagedreven AI-modellen is het in deze tijd goed mogelijk om wél nauwkeurige verwachtingen te geven op korte termijn. HKV Lijn in Water, een onderzoeks- en adviesbureau dat gespecialiseerd is in vraagstukken over waterveiligheid en -beheer, ontwikkelde daarom in 2021 een eigen oplossing voor dat probleem. Sindsdien is het voor HKV mogelijk om met behulp van satellietdata en machine learning een betere inschatting te maken van waar er extreme buien komen en wat de verwachte neerslag op die locatie is.
Lees verder op de website van AINED
