"Zonnepark bespaart met voorspellen productie"

19.10.2020 Norbert Cuiper

"Zonnepark bespaart met voorspellen productie"

Een zonnepark kan veel besparen op onbalanskosten door de productie beter te voorspellen. Dit zorgt ook voor een betere balans op het net. Dat zegt ceo Luuk Veeken van Dexter Energy Services, dat energiebedrijven helpt met het voorspellen van zonnestroom.

Deze analyse is onderdeel van een drieluik. Het eerste deel, waarin hoogleraar Wilfried van Sark uitlegt hoe zonnestroom voorspelt kan worden, lees je hier.

Door de groei van wind- en zonne-energie neemt de behoefte aan flexibiliteit toe in het energiesysteem. Het stroomnet moet een overschot aan zon en wind opvangen, maar daar zitten ook grenzen aan. Om de onbalans te beperken kan het helpen om beter te voorspellen hoeveel wind- en zonnestroom wordt opgewekt. “Met voorspellen kunnen we de energietransitie helpen versnellen,” zegt Luuk Veeken. Hij richtte in 2017 Dexter Energy Services op. Het bedrijf ontwikkelt software dat de opbrengst van zonneparken kan optimaliseren door beter de productie te voorspellen. Dat gebeurt onder meer met machine learning, een vorm van kunstmatige intelligentie.

Een betere voorspelling van zonnestroomproductie zorgt voor lagere kosten. Dat zit zo: de korte termijn handel in elektriciteit verloopt op de energiemarkt met voor elk uur een verschillende prijs. Om de balans op het stroomnet te handhaven kan netbeheerder TenneT boetes uitdelen aan marktpartijen die onbalans veroorzaken. Veeken: “Als we de opbrengst aan zonnestroom beter voorspellen, ontstaat er minder onbalans en hoeven eigenaren van zonneparken minder onbalanskosten te betalen. Het is ook interessant om op de dag zelf te blijven voorspellen. Dat verlaagt het risico op kosten. De besparing ligt in 2020 tussen 1,0 tot 2,5 euro per MWh zonne-productie. Dit is sterk aan het toenemen.”

Hoe merk je dat er vraag is naar dit soort voorspellingen?

“We hebben afgelopen jaren meer klanten gekregen. We hebben vijftien energiebedrijven als klant, waaronder Greenchoice, HVC en NieuweStroom. Daarvan heeft de helft een contract en bij de andere helft voeren we een pilot uit. We richten ons, naast wind, vraag en onbalans, nu ook meer op het accuraat voorspellen van de zoninstraling, omdat zon een steeds grotere impact heeft op het energiesysteem door de toename van productie uit zonnepanelen. De onbalanskosten gelden naast zonneparken ook voor energieleveranciers die huishoudens als klant hebben. Deze leveranciers zijn vooral geïnteresseerd in het schatten en voorspellen van de zonnestroomproductie van zonneparken of gehele regio’s.”

Hebben jullie de zonvoorspeller in eigen huis ontwikkeld?

“Ja. Het product is inhouse ontwikkeld door een team van AI-experts. We hebben hiervoor ook samengewerkt met studenten van de Universiteit Utrecht en de Universiteit van Amsterdam, met name voor het ‘nowcasting’: het voorspellen van zonnestroom op korte termijn, van nu tot zes uur vooruit. Belangrijke input voor de op machine-learning gebaseerde zonvoorspellers zijn de verschillende weermodellen, historische productie-data en inhouse ontwikkelde fysieke modellen van zonneparken.” 

Welke methodes van machine learning gebruiken jullie?

“We gebruiken een combinatie van verschillende machine learning algoritmes. We gebruiken deep learning methodes om met behulp van satellietdata van het wolkendek de wolkenbeweging te kunnen voorspellen. Dit levert een betere korte termijn voorspelling op. Dat wordt steeds belangrijker om de positie op de intraday markt te bepalen. Als deze positie verandert kunnen netbeheerders besluiten om elektriciteit uit te wisselen, bijvoorbeeld tussen Nederland en Duitsland. Als dit niet kan gebeuren kan onbalans ontstaan, met onbalanskosten tot gevolg. Ook leveren we sommige van onze klanten onbalansvoorspellingen zodat ze weten of ze hun positie op de intradaymarkt moeten verhandelen of het beter via onbalans kunnen laten lopen.”

Wat als zonneparken geen nowcasting toepassen?

“Nu gaan exploitanten van zonneparken nog vaak uit van de weersvoorspelling voor een dag later, waarvoor ze dan bijvoorbeeld 100 megawatt aanbieden. De volgende ochtend wordt de voorspelling bijgesteld, omdat het bijvoorbeeld ’s middags bewolkter blijkt dan verwacht. De biedende partij moet dan zeg 50 MW inkopen op de onbalansmarkt, maar is daarin niet de enige; er is een grote kans dat andere zonneparkbeheerders dit ook doen. Daardoor stijgt de onbalansprijs tot soms wel 400 euro per MWh. Dat is erg hoog. In zo’n geval kan de onbalans beter worden opgelost door met een nieuwe voorspelling dit volume alvast op de intraday markt in te kopen voor een lagere prijs.”

Hoe kunnen weersvoorspellers betrouwbaarder worden?

“Dat kan door weermodellen te combineren. We halen hiervoor zelf de ruwe data binnen en trainen de modellen. Dat gebeurt met een voting systeem, waarbij een algoritme optimaliseert hoeveel een bepaald weermodel moet bijdragen aan de forecast op een bepaalde locatie.  Per locatie kunnen we dan leren welke weermodellen het beste zijn. Wij hebben het hele proces geautomatiseerd, inclusief het voting systeem. Dit vormt volgens ons een model, dat beter is afgestemd op de specifieke portfolio van de klant. Daarmee is het ook betrouwbaarder en dus financieel gunstiger, want onnauwkeurige voorspellingen voelt de klant ook in de portemonnee.”

Ook universiteiten werken aan betere weermodellen. Werkt Dexter hiermee samen?

“Ja, we hebben diverse universiteiten gesproken en werken ook samen aan modellen. Zelf zoeken we momenteel partners voor onderzoek naar het optimaliseren van nowcasting op basis van satellietdata. Doel hiervan is om met lage kosten toch specifieke voorspellingen te doen voor grote zonneparken. Dat is een interessante markt, want in Nederland komen er enkele grote zonneparken aan. Maar we richten ons ook op andere landen, zoals Duitsland en België. We zijn ook van plan om onze services aan te bieden aan landen zoals Italië en Spanje.”

Is er een tekort aan flexibiliteit op de energiemarkt?

“Op zich is er voldoende flexibiliteit, hoewel de coronacrisis laat zien dat dit beperkt is als er veel hernieuwbare productie is en weinig vraag. Zo was op zondag 31 mei 2020 de vraag naar elektriciteit zeer laag, terwijl er veel wind en zon werd opgewekt. Er waren die dag bijna geen centrales die stroom leverden, waardoor veel onbalans niet opgelost kon worden door centrales harder of zachter te laten draaien. Zeven uur lang waren de energieprijzen negatief, tot een waarde van minus 200 euro per MWh. Die situatie is een voorproefje voor de energiemarkt over twee tot drie jaar, wanneer duurzame energie het grootste deel uitmaakt van onze energievoorziening. Als de weersvoorspelling dan slecht is zal dit voor een systematische onbalans zorgen die dan alleen op te vangen is met voldoende flexibel vermogen en toegenomen handelsactiviteit op de intraday markt.”

Voorspellen is dus onmisbaar voor de energietransitie?

“Ja. Wind en zon zijn af te schakelen, maar liever wil je dat niet. Je wil helemaal niet dat het net eruit klapt. Daarom zie ik veel meer in het beter voorspellen van wind en zon om zo onbalans in eerste instantie te voorkomen.”