Het ziet er voorlopig niet naar uit dat we op korte termijn minder gaan betalen voor elektriciteit. De verklaring is redelijk complex: van het wispelturige karakter van hernieuwbare energiebronnen tot hoge kosten voor het uitbreiden van het netwerk. Artificiële Intelligentie (AI) en Machine Learning zijn dan ook onmisbare schakels voor de verschillende partijen die de toekomst van de elektriciteitsdistributie in België bepalen.
Voorlopig valt het nog enigszins mee in vergelijking met de piek van vorig jaar, maar de stroomfactuur blijft stijgen. De oorzaak ligt deze keer bij Elia. Als netbeheerder is Elia verantwoordelijk voor het in evenwicht brengen van vraag en aanbod. Die balans is noodzakelijk om enerzijds een black-out en anderzijds energieverspilling te voorkomen. Vergelijk het met een drukke autoweg die op bepaalde momenten meer verkeer moet verwerken. Je kunt niet zomaar extra rijstroken aanleggen om dat extra verkeer op te vangen. Hetzelfde geldt voor de maximale capaciteit van elektriciteitskabels.
Nu we aan de vooravond staan van een energietransitie, dringen zich toch werken aan dat netwerk op. In de komende jaren gaan we alleen maar meer elektriciteit verbruiken. Gezinnen zijn hun gasketels aan het inruilen voor warmtepompen, de industrie stapt af van gas, en elektrische wagens beginnen steeds meer hun stempel te drukken op ons stroomverbruik. Elia moet daarom de capaciteit van het elektriciteitsnet uitbreiden en tegelijkertijd de omschakeling maken naar hernieuwbare energie.
Onvoorspelbare energieproductie
De transmissiekosten zijn slechts één stukje van de complexe verzameling stakeholders die de prijs van onze energiefactuur bepalen. Er zijn nog meer factoren die elektriciteitsvoorziening bijzonder complex maken. Aangezien gas en fossiele brandstoffen stabiel zijn, was het vroeger veel eenvoudiger om vraag en aanbod op elkaar af te stemmen. Hernieuwbare bronnen zijn daarentegen erg afhankelijk van de weeromstandigheden. Nauwkeurige voorspellingen zijn daarom essentieel voor het waarborgen van een betrouwbare en consistente energievoorziening op het moment en de plaats waar dat nodig is.
Traditionele voorspellingsmethoden zijn niet langer geschikt voor ons ingewikkelde energielandschap. Ook Belgische energiedistributeurs kijken nu naar technologie op basis van AI en Machine Learning om nauwkeurige voorspellingen te doen. Ons land heeft bovendien duidelijke doelstellingen om op termijn een nuluitstoot te bereiken. Zo wil België het aandeel van duurzame energie tegen 2030 verhogen tot 37,4%. In de eerste drie kwartalen van 2022 was zonne-energie verantwoordelijk voor 45% van de nieuwe elektriciteitscapaciteit. En een jaar eerder had ons land ook meer dan 13.000 MW aan nieuwe windcapaciteit geïnstalleerd. In de marge van al die ontwikkelingen is flexibiliteit het sleutelwoord.
Meer flexibiliteit dankzij Energy Forecasting
Energy forecasting is een cruciale factor in het garanderen van flexibiliteit. Door gebruik te maken van actuele data en een duidelijke beknopte methodologie toe te passen, kunnen energiedistributeurs bijvoorbeeld nauwkeurig de impact van klimaatverandering op de opwekking van duurzame energie in kaart brengen. De technologie helpt niet alleen bij de integratie van hernieuwbare energie, maar ook bij het beheer van energieopslag, de prijsstelling en handel, de optimalisatie van het netwerk, en het stimuleren van participatie. AI-gestuurde modellen stellen energiedistributeurs tevens in staat om zich aan te passen aan wijzigingen in de regelgeving en verschuivingen in de dynamiek van de energiemarkt.
Door honderden variabelen in een door AI aangestuurd model in te voeren, kunnen energiespelers discrepanties tussen de productie- en vraagvoorspellingen verminderen, met meer nauwkeurigheid en betrouwbaarheid als resultaat. Netbeheerders zoals Elia kunnen met algoritmes efficiënt knelpunten en overbelasting voorkomen. Op die manier hoeven ze niet eindeloos veel kabels te blijven aanleggen (dat zou miljarden kosten), maar kunnen ze ook alternatieve oplossingen bedenken. Nauwkeurige voorspellingen zijn tevens essentieel als we consumenten en bedrijven willen aanmoedigen om op een meer doordachte manier met hun energieverbruik om te gaan.
Tot slot zal energy forecasting ook nuttig zijn voor retailers die elektriciteit verhandelen en nauwkeurig moeten voorspellen hoe de marktprijs gaat evolueren. Iedereen heeft dus baat bij technologie die de complexe energiemarkt met voorspellingen kan ondersteunen. Uiteraard zullen alle bovenstaande factoren ook een gunstig effect hebben op de energiefactuur voor de eindklant.
Samengevat is de integratie van door AI aangedreven modellen cruciaal voor alle bedrijven die door de uitdagingen van een veranderende energiemarkt moeten navigeren en plannen voor een duurzamere elektriciteitsproductie. Energy Forecasting geeft alle energiespelers meer nauwkeurigheid, efficiëntie en schaalbaarheid om geïnformeerde beslissingen te nemen. En dat zal nodig zijn als we energie de komende jaren beschikbaar én betaalbaar willen houden.
De auteur Simon Lamsens is Account Executive Energy & Utilities bij SAS