Voorspellen zonnestroom gaat steeds beter

12.10.2020 Norbert Cuiper

Voorspellen zonnestroom gaat steeds beter

Netbeheerders en energiebedrijven willen voorspellen hoeveel zonnestroom wordt opgewekt. De voorspellingen worden betrouwbaarder door er kunstmatige intelligentie op los te laten.

Het is een opmerkelijk verschijnsel waarover de Wageningen Universiteit begin juli publiceerde: juist op bewolkte dagen kunnen pieken optreden in de productie van zonnestroom. De pieken kunnen zelfs twintig procent groter zijn dan bij een strakblauwe lucht. Dit komt volgens onderzoeker Frank Kreuwel door de lichtreflectie op wolken. De meeste energie wordt opgewekt op heldere dagen, maar de hoogste (kortstondige) pieken zijn juist op dagen mét bewolking. De wolken zorgen ervoor dat er op sommige momenten extra licht op de zonnepanelen valt. Dat kan voor PV-systeem van een gemiddeld huis wel 22 procent schelen in de piek,” aldus Kreuwel.

Verrassend?

Volgens de Utrechtse hoogleraar zonne-energie Wilfried van Sark is het onderzoeksresultaat niet heel verrassend. Wel is het onderzoek volgens hem het enige in Nederland dat zich baseert op ‘hogere tijdresolutie-data’ van zonnepaneelsystemen. “Dit is interessant voor netbeheerders die willen weten hoe de pieken de spanning en vermogen op het net beïnvloeden. Daarnaast biedt het belangrijke informatie aan aggregators (partijen die energievraag en -aanbod bundelen) die willen handelen in stroom, of op basis van de fluctuaties hun elektrische wagenpark willen laden of ontladen. Of beter nog: op basis van de voorspelling van die fluctuaties.”

Voorspellen

Hier komt een andere tak van sport om de hoek kijken: het voorspellen van zonnestroom. Dit is niet nieuw, maar iets waar al jarenlang aan wordt gewerkt. De Universiteit Utrecht ontwikkelde vanaf 2013 samen met Ecofys (nu Guidehouse) en Kema (nu DNV GL) een nieuwe tool om de opbrengst van zonnestroom uit PV-installaties te voorspellen. Bijzonder aan dit project was dat naast satellietdata en meteorologische gegevens ook meetgegevens van bestaande PV-installaties werden gebruikt. Het project werd na vijf jaar afgerond en leverde een proefschrift en enkele papers op, maar de methode die werd ontwikkeld is sinds die tijd niet veranderd, vertelt Van Sark.

Wolkencamera’s

Van Sark: “We ontwikkelen nu een nieuwe methode met behulp van wolkencamera’s, die voorspellingen doet op kortere termijn. Bedoeling van dit laatste onderzoek is om de metingen te koppelen aan de weersvoorspellingen van het KNMI. Dit project is gestart vanuit de Topsector Energie in samenwerking met het KNMI en zal een mooi beeld opleveren van de wolken-bewegingen en de schaduwen die de wolken werpen op vierduizend zonnepanelen op de gebouwen van Universiteit Utrecht. Dit leert ons veel over hoe wolkenvariaties bijdragen aan fluctuaties van zonnestroom.”

Twee richtingen

Wordt het onderzoek al in de praktijk toegepast? Van Sark: “Er zijn twee richtingen binnen het onderzoek naar het voorspellen van zonnestroom. De eerste richt zich op het ‘forecasten’ voor netbeheerders en aggregators, de tweede richt zich op andere partijen die op de fluctuaties kunnen inspelen, bijvoorbeeld door overtollige zonnestroom op te slaan met batterijen. Op de universiteiten is het werk aan het voorspellen van zonnestroom al enige tijd aan de gang.” Dat onderzoek beperkt zich niet tot Nederland. Onder meer de Universiteit van Oldenburg in Duitsland, de Universiteit van Zuid-Australië en de Universiteit van Uppsala in Zweden werken aan zonnevoorspellers. Ook is er een internationaal netwerk dat kennis deelt (Taak 16 van IEA PVPS), waarin de Universiteit Utrecht Nederland vertegenwoordigt.

Commerciële partijen

Ook commerciële partijen houden zich bezig met het voorspellen van zonnestroom. Volgens Van Sark deed DNV Kema het zes jaar geleden al. “Zonne-energie was zes jaar geleden zo klein, dat de netbeheerder er geen rekening mee hoefde te houden. Nu is dat anders. De partijen die toen al zonnestroom voorspelden waren hun tijd ver vooruit. Met de groei van zonne-energie is het nu urgenter geworden om de vraag en aanbod te voorspellen op een bepaald tijdstip.”

Kunstmatige intelligentie

Een van de bedrijven in Nederland die zonnestroom voorspellen is Dexter Energy Services. Het bedrijf werd begin 2017 opgericht door Luuk Veeken, met als doel om de opbrengst aan duurzame energie te optimaliseren. Dexter kan voor een zonnepark de opbrengst aan zonnestroom voorspellen, op basis van weermodellen en machine learning. Het bedrijf heeft inmiddels vijftig energiebedrijven als klant, waaronder Greenchoice, HVC en NieuweStroom. “Met kunstmatige intelligentie worden de voorspellingen beter. Dat werkt goed,” zegt Van Sark.

Overbelasting voorkomen

Ook Whiffle, een spinoff van de TU Delft, doet aan solar forecasting, al is dit nog niet grootschalig aangeboden aan marktpartijen. Misschien is dit niet nodig, zegt Van Sark. “Voor netbeheerders is het doel om overbelasting bij transformatorstations te voorkomen, in een gebied of in een wijk. Dat vereist een nauwkeurige voorspelling van de vraag en het aanbod, want in 2 seconden kan een transformator al overbelast raken. Het ene systeem kan de grootste fluctuaties beter opvangen dan het andere. Dit hangt af van de tijdschaal: de handel op de energiemarkt verloopt in blokken van een kwartier, maar als fluctuaties optreden binnen het kwartier is het uit te middelen.”

Pieken dempen

Netbeheerders hebben ook andere methoden om pieken te dempen, zegt Van Sark. “Ze kunnen de import van elektriciteit beperken, of kunnen curtailment toepassen op zonneparken. Dat laatste betekent eigenlijk dat je zonnestroom weggooit, en dat vinden mensen niet leuk. Om dit te voorkomen is het goed om beter te voorspellen hoeveel zonnestroom wordt opgewekt. Met behulp van wolkencamera’s werken we aan een methode die goed is te gebruiken voor het laden van elektrische auto’s, maar ik mis nog onderzoek dat antwoord geeft op de vraag of dit ook nodig is. Dat onderzoek moeten we eerst uitvoeren.”

Complexe dynamiek

De methode uit 2013 is niet goed genoeg om te voorspellen hoeveel zonnestroom lokaal wordt opgewerkt, zegt Van Sark. “Het weer in Utrecht kan bijvoorbeeld sterk verschillen met dat in Amersfoort. De Utrechtse wolk is niet meer dezelfde als die over Amersfoort drijft. Die dynamiek maakt het voorspellen complex.” Ook de weermodellen zijn voortdurend in ontwikkeling. “Het KNMI past elke drie uur de voorspelling voor de komende 96 uur aan. Deze voorspelling is al behoorlijk nauwkeurig, maar voor de energiemarkt is dat nog niet genoeg. Voor betere zonvoorspellers is meer ontwikkeling nodig,” aldus Van Sark.