Het Nederlandse energienet komt steeds meer onder druk te staan door enerzijds de grootschalige uitrol van elektrisch rijden, het elektrificeren van huishoudens en industrie en anderzijds de toename in de opwekking van duurzame zon- en windenergie. Helaas zijn vraag en aanbod daarin steeds meer in onbalans. Op piekmomenten op zonnige en winderige dagen, krijgen bedrijven en particulieren die de actuele uurprijs betalen geld toe [1]. Maar in de avonduren stijgen de energieprijzen steeds vaker naar grote hoogte, omdat gas- en kolencentrales dan het gebrek aan zon- en windenergie moeten compenseren. Voor dit probleem kunnen zogenaamde Digital Twins uitkomst bieden. Zo kunnen bijvoorbeeld laadpaalexploitanten met een groot aantal laadpunten middels slimme technologie een bijdrage leveren aan het balanceren van het elektriciteitsnet. Hierbij moet echter rekening gehouden worden met de volgende vragen:
Op welk tijdstip kan het beste geladen worden?
Hoe snel kan het beste geladen worden?
Wanneer kan energie het goedkoopst worden ingekocht?
Wanneer kan energie het beste uit de batterij van de auto worden gehaald (Vehicle-2-grid)?
De beantwoording van dit soort vragen vereist slimmere energiesystemen en de eerdergenoemde Digital Twins, die real-time data combineren met onze kennis van energiesystemen en verwachtingen over veranderingen in de energiemarkt. Deze helpen ons, iedere dag opnieuw, om de beste beslissingen te nemen op belangrijke thema’s zoals de verduurzaming van ons energiegebruik, de elektrificatie van ons wagenpark, hoe investeringen in lokale energieopwekking rendabel te houden (‘economisch duurzaam’), en de stabiliteit van het net (‘operationeel duurzaam’).
Digital Twins voor energiesystemen
Een Digital Twin is een virtuele, dynamische en real-time representatie van een stukje van onze echte wereld. Men kan hierbij denken aan een machine in een fabriek, maar er bestaan ook Digital Twins van windmolenparken, bedrijfsprocessen, en zelfs steden [2].
Een Digital Twin combineert informatie uit historische en real-time data met menselijke kennis over een object of proces. Dit stelt ons in staat simulaties uit te voeren, welke gebruikt kunnen worden voor het maken van voorspellingen of het analyseren van diverse scenario’s. Zo kan ieder uur een voorspelling worden gegenereerd om ons tijdig te waarschuwen voor knelpunten in de energielevering van morgen of vanavond, op basis van de meest recente data. Eigenaren van elektrische voertuigen (EV) en wagenparkbeheerders kunnen inzicht krijgen in gunstige laadmomenten. Dit helpt om kosten te reduceren – een belangrijk onderwerp bij de adoptie van elektrisch rijden (zie ook onze eerdere blog). Anderzijds kan scenario-analyse de zekerheid van een investeringsbeslissing in bijvoorbeeld zonnepanelen vergroten.
Daarnaast kan een Digital Twin van het energie-ecosysteem helpen om een optimum te bepalen tussen conflicterende belangen. Zo zal maximaal terugleveren aan het net voor beheerders van zonne- of windparken én consumenten doorgaans het meeste inkomsten genereren, maar zal dit (te) veel druk zetten op het net zelf. Ergens ligt in dit voorbeeld een gulden middenweg, maar waar?
Op weg naar slimmere energiesystemen
Het is exact de besluitvorming omtrent dit soort conflicterende belangen waar wij verwachten dat technieken zoals Digital Twins een positieve bijdrage kunnen leveren. De eerste stap is om de impact op verschillende belangen te kwantificeren op een data-gedreven manier, zodat deze in real-time transparant en expliciet wordt gemaakt voor alle stakeholders in een ecosysteem (van huishouden tot solar carport tot het Europese net [3]). Vervolgens kunnen deze inzichten gebruikt worden om beslissingen te onderbouwen die werken voor alle betrokken partijen, zowel op de schaal van individuele huishoudens als die van lokale energiehubs en op regionaal en landelijk niveau.
Een Digital Twin kan nog waardevoller worden gemaakt door ook menselijk gedrag in een ecosysteem te simuleren. Hiertoe doen wij onderzoek met technieken zoals Agent-Based Modelling. Zo zouden we voor laadfaciliteiten scenarioanalyses kunnen opstellen hoe het aantal ladende elektrische voertuigen verandert ten gevolge van (financiële) prikkels voor consumenten, en wat zulke aanbiedingen voor impact hebben op de kosten voor de consument, de totale beheerkosten en de belasting van het net. Dit geldt ook voor de langere termijn: we kunnen simulaties maken die de verwachte groei van bijvoorbeeld het aantal elektrische voertuigen en het aantal zonnepanelen in een ecosysteem meenemen, en zo meer zekerheid bieden voor investeringsbeslissingen.
Om bovenstaande concreet te maken – en inspiratie te bieden voor wat er technologisch mogelijk is – hebben wij onlangs een Digital Twin ontwikkeld voor een lokale energiehub met zonnepanelen en laadvoorzieningen voor elektrische voertuigen. Deze hebben wij uitgewerkt in een case study die u hier kunt downloaden.
De voorbeelden hierboven zijn slechts enkele toepassingen van Digital Twins. Met de toenemende beschikbaarheid van zowel publieke als private data, en technologische vooruitgang, zijn nog veel meer waardevolle ideeën uitvoerbaar geworden. Geïnteresseerd? Wij denken graag met u mee, u vindt onze contactgegevens onder aan deze pagina.
Bronnen
