Mathijs de Weerdt: “Wat we in dit project willen bereiken, is meer inzicht in hoe computermodellen kunnen bijdragen aan de ontwikkeling van en besluitvorming voor het duurzame energiesysteem van de toekomst. Dat doen we door betere en efficiëntere modellen en algoritmen te ontwikkelen, die de steeds complexer wordende berekeningen sneller en accurater kunnen uitvoeren.
Die modellen worden steeds complexer omdat het energiesysteem dat ook wordt. Zo wordt het model uitgebreid met waterstof en gas. Het probleem wordt dat de berekeningen dan letterlijk spaak dreigen te lopen.
Een van de dingen die we tot nu toe hebben bereikt, is dat een van onze onderzoekers een manier heeft gevonden om sneller betrouwbare beslissingen uit het model te krijgen die gebaseerd zijn op een groot aantal scenario’s voor vraag- en aanbod. De uitkomsten uit het model bevatten minder details, zonder de accuratesse en betrouwbaarheid van de uitkomst aan te tasten.
Door de efficiëntie van het model te verbeteren, kunnen we veel andere variabelen toevoegen, zoals nieuwe energietechnologieën, landenniveaus of tijdschalen. Zo kun je nagaan waarin je kan investeren, in opslag, zonnepanelen, warmtekrachtkoppelingen, kernenergie, noem het op. Dat kan allemaal in het model. En als er in de toekomst nieuwe technologische oplossingen komen, dan kan dat straks best eenvoudig worden toegevoegd.
Ondanks het feit dat we een wat stroeve start kenden, door vertraging bij het vinden van de juiste mensen die dit onderzoek konden uitvoeren, zijn we nu goed op weg. Het project loopt nog tot 2027. We gaan aan de slag met het verbeteren van de efficiënte berekening voor opslag van elektrische energie. Dit doen we onder andere door machine learning technieken. Daarvoor heb je veel data en tijd nodig. Machine learning trainen duurt daardoor best lang, maar als het eenmaal werkt, is de uitvoering heel snel. En daar kunnen veel partijen veel baat bij hebben, zoals PBL en TNO, maar ook de netwerkbedrijven zoals TenneT en partners zoals de gemeente Utrecht.“
