Artificial Intelligence voor de energietransitie: 8 uitdagingen voor Nederland

Nederland staat voor de opgave om in 2050 CO2-neutraal te zijn. Dat vraagt om een enorme verandering in het energiesysteem. Zeker voor Zuid-Holland, waar veel industrie aanwezig is en mensen dicht op elkaar leven. Digitale oplossingen, vaak gedreven door data science en artificial intelligence (AI) kunnen daar een belangrijke rol in spelen. Om beter inzicht te krijgen in de uitdagingen en kansen in onze regio, hebben InnovationQuarter, TU Delft en nlmtd een verkenning uitgevoerd naar AI als versneller van de energietransitie. Acht key challenges werden geïdentificeerd waar de komende jaren kansen liggen voor AI-gedreven toepassingen.

Wat is er onderzocht?

Tijdens de verkenning, die is opgestart vanuit het samenwerkingsverband AI hub Zuid-Holland, werd met hoofdrolspelers in de Zuid-Hollandse energietransitie gesproken, zoals bedrijven op het gebied van opwekking, transport, opslag en distributie van energie; maar ook met gebouweigenaren, spelers uit de industrie, trading/retail en overheden. Hieruit zijn zo’n 40 uitdagingen en obstakels voor de energiesector geformuleerd. Vervolgens is er meegedacht door bedrijven die AI en smart data oplossingen leveren, zoals startups en kennisorganisaties. Hun bijdrage maakte inzichtelijk welke mogelijkheden en kansen er zijn om de benoemde uitdagingen met AI op te lossen. Aan alle partijen werd gevraagd de uitdagingen te prioriteren op belang, impact en urgentie.

Acht key challenges

Door de bijdragen van probleemhouders en oplossingshouders te combineren, konden acht key challenges worden geïdentificeerd die van belang zijn voor de Nederlandse energiesector. Drie daarvan zijn extra belangrijk voor Zuid-Holland, omdat deze passen bij het profiel en omvang van de zware industrie in de regio.

1. Het maximaliseren van de (eigen) energieproductie

Het maximaliseren van de eigen productie van energie en warmte door de industrie is één van de key challenges. In de industrie wordt veel energie gebruikt en komt veel warmte vrij. Soms staat productie stil, soms wordt er terug geleverd aan het net. Wanneer vraag en aanbod beter bij elkaar gebracht kunnen worden, kan de productie van ieder bedrijf worden gemaximaliseerd. AI-oplossingen kunnen helpen bij handel tussen bedrijven (micro-trading). Door het beter voorspellen van de vraag en het aanbod (production en demand forecasting) wordt het mogelijk te maximaliseren op basis van verwachtingen. Een voorbeeld van een AI-startup actief op dit terrein is Whiffle. Dit Delftse bedrijf is gespecialiseerd in ultra nauwkeurige weersvoorspellingen en gebruikt daarvoor technieken als computer vision, deep learning, 3D visualisation, predictive analytics en beeldherkenning. Wanneer heel gedetailleerd voorspeld wordt hoe hard het gaat waaien, is het bijvoorbeeld makkelijker in te schatten hoeveel elektriciteit een windmolenpark op een bepaald moment kan leveren.

2. Het optimaliseren van onderhoud

Door onderhoud en storingen op ongewenste momenten kan niet altijd optimaal worden voorzien in de energiebehoefte. Met AI-oplossingen zoals predictive maintenance kunnen assets op een slimme manier onderhouden worden en kan men storingen voor zijn. Een voorbeeld van een AI-startup is Samotics. Dit Leidse bedrijf richt zich bijvoorbeeld op storingsdetectietechnologie in machines die worden gebruikt door de industrie. Het doel daarvan is het verminderen van risico’s, het verlagen van kosten, het besparen van energie en het maken van een einde aan ongeplande downtime.

3. Het voorsorteren op de waterstofeconomie

Op dit moment gebruiken we in Nederland waterstof vooral in de industrie als bouwsteen om andere stoffen en materialen te produceren. De komende jaren zal waterstof meer gebruikt worden als energiedrager: een stof waarin energie is opgeslagen, die bij verbranding weer vrijkomt. AI kan een rol gaan spelen in berekeningen tussen verschillende energiedragers, on demand productie en het traceren van herkomst van energie.   Omdat er nog gewerkt wordt aan de waterstofeconomie is het logisch dat hier nog niet veel AI-startups in actief zijn. De verwachting is dat er in dit domein over 5-10 jaar grote uitdagingen ontstaan waar bedrijven op kunnen inspelen.

Toekomstbestendig energienetwerk

Andere grote uitdagingen op het gebied van AI in de Nederlandse energiesector richten zich voornamelijk op het toekomstbestendig maken van het energienetwerk: demand- en production forecasting in de gebouwde omgeving, asset management, het optimaliseren van het beheer- en real-time inzicht in het elektriciteitsnet.

In het opgeleverde rapport zijn al deze uitdagingen, inclusief mogelijke toepassingsgebieden, overzichtelijk in kaart gebracht. Daarnaast bevat het diverse adviezen, showcases, en een overzicht van het landschap van Zuid-Hollandse AI-startups die actief zijn in het energiedomein. Voorbeelden zijn Clockworks (intelligent imaging), Graydent (digital twin), Sobolt (deep learning) en Crownstone (smart hardware).

Vervolg en ondersteuning

De TU Delft ziet AI, data en digitalisatie als essentieel om grote wetenschappelijke en maatschappelijk uitdagingen op te lossen en is in Nederland één van de grote AI spelers. De TU Delft zal deze verkenning gebruiken om haar onderzoeksagenda verder aan te scherpen en gericht met publieke en private partijen aan de slag te gaan om oplossingen te ontwikkelen en te testen. Hierin wordt nauw samen opgetrokken met de regionale netbeheerders.

InnovationQuarter wil bedrijven helpen innovaties te ontwikkelen en klanten en partners te vinden om samen aan de grote uitdagingen te werken. Er zijn diverse bestaande middelen zoals innovatieprogramma’s, subsidie, fieldlabs en fondsen waarin InnovationQuarter de weg kan wijzen. Daarnaast wordt gekeken of er extra instrumenten nodig zijn.

Begin volgend jaar zullen informatiesessies worden georganiseerd waarin de verkenning wordt besproken en geïnteresseerden meer kunnen horen over de ondersteunings- en samenwerkingsmogelijkheden.