AI voor de Energietransitie: een Hackathon
Van het bedenken van betere topologische configuraties van het energienet tot het detecteren van anomalieën in de energiehandel en het ontwikkelen van efficiëntere energiehandelsstrategieën: er zijn talloze manieren waarop AI de energietransitie kan helpen stroomlijnen. Sterker nog: dit zijn slechts de eerste drie onderzoeksrichtingen die Jochen Cremer en zijn team samen met het Austrian Institute of Technology onderzoeken. Om erachter te komen welke andere groene weiden er buiten deze drie benaderingen liggen, organiseerde de TU Delft deze week samen met het Oostenrijkse AIT een Hackathon.
De energietransitie is een van de grootste uitdagingen van deze tijd, en misschien wel de grootste technische uitdaging. Logisch daarom, om misschien wel de belangrijkste opkomende technologie in te zetten: Kunstmatige Intelligentie (AI). "Eerlijk gezegd zijn we nog maar net begonnen met het ontdekken van de manieren waarop AI kan helpen de energietransitie te versnellen", zegt Jochen Cremer, hoofd van het Delft AI Energy Lab en organisator van de Hackathon. "Daarom hadden we deze Hackathon: om simpelweg samen te komen met de beste promovendi en onderzoekers, en te onderzoeken welke mogelijkheden zich vlak onder de oppervlakte verschuilen."
We zijn nog maar net begonnen met het ontdekken van de manieren waarop AI kan helpen de energietransitie te versnellen
Jochen Cremer
Het programma was opgedeeld in drie delen en drie dagen. Om iedereen op stoom te krijgen, was de eerste dag gewijd aan state-of-the-art geometrische deep learning-modellen: het belangrijkste instrument voor de rest van het programma. Geometric deep learning richt zich op de ontwikkeling van modellen die in staat zijn gestructureerde gegevens te verwerken en te analyseren, zoals gegevens afkomstig van het energienet. De modellen gebruiken geavanceerde wiskundige hulpmiddelen om zinvolle kenmerken uit deze complexe gegevensstructuren te halen, waardoor ze taken als grafiekclassificatie, segmentatie en voorspelling kunnen uitvoeren. Met andere woorden: ze maken het immens ingewikkelde systeem van het energienet begrijpelijk.
Promovendus Viktor Zobernig was een van de deelnemers aan de Hackathon. "De workshop gaf me de kans om state-of-the-art methoden te delen die gebruikt worden in Reinforcement Learning en Geometrisch Leren. Hoewel zowel de wiskundige formulering als de rekenkundige uitdagingen veel overeenkomsten vertonen, toonde de workshop de complexiteit aan bij het kiezen van een methode voor een bepaald probleem." Daarnaast was hij enthousiast om nieuwe studenten en gevestigde onderzoekers elkaar te zien inspireren: "Studenten hadden echt de kans om hun kennis te verdiepen door hun toegepaste methoden vanuit het niets uit te leggen en te bespreken voor een academisch publiek."
Studenten kregen echt de kans om hun kennis te verdiepen
Viktor Zobernig
Over Delft AI Energy Lab
De Hackathon was onderdeel van het Delft AI Energy Lab programma. Jochen Cremer: "Dit jaar zijn onze eerste drie promovendi gestart met hun onderzoek, maar we hebben al een vierde in de rij staan. Zij gaan onderzoek doen naar nieuwe manieren om het opladen van elektrische voertuigen te coördineren - een grote uitdaging nu ons vervoer steeds meer geëlektrificeerd wordt. Niet iedereen kan zijn auto tegelijk opladen. En misschien kunnen we de acculading van ongebruikte EV's gebruiken als er weinig zon of wind is?" Om dit alles te stroomlijnen kan AI het gedrag van gebruikers voorspellen en de toegevoegde waarde van hun flexibiliteit op de energiemarkt maximaliseren. "Uiteraard zonder afbreuk te doen aan de gezondheid van de batterij van de EV."
Dan is er nog het lopende onderzoek naar AI-ondersteunde energiehandel: een complex proces met veel factoren om rekening mee te houden. "Met behulp van AI kunnen we echter betere handelsstrategieën ontwikkelen die efficiënter en eerlijker zijn. AI kan bijvoorbeeld gegevens analyseren van weersvoorspellingen, patronen in de vraag naar energie en de productie van hernieuwbare energie om toekomstige energieprijzen nauwkeurig te voorspellen. Zo kunnen handelaren beter geïnformeerde beslissingen nemen en voorkomen dat ze te veel betalen voor energie", legt Cremer uit. Bovendien kan AI helpen bij het optimaliseren van de energiedistributie om ervoor te zorgen dat iedereen de stroom krijgt die hij nodig heeft.
"Helaas kan handel met voorkennis voorkomen in de energiehandel. AI kan helpen anomalieën in handelspatronen op te sporen, zoals plotselinge prijswijzigingen of ongebruikelijke energieverbruikspatronen, die kunnen wijzen op frauduleuze activiteiten. Dit zal ertoe bijdragen dat energiemarkten eerlijk en transparant zijn. Dit is een andere onderzoekslijn die we al zijn gestart," voegt Cremer eraan toe.
"Het elektriciteitsnet is een ander gebied waar AI kan worden gebruikt om de efficiëntie te optimaliseren." Door gegevens over energieverbruikspatronen en netwerkinfrastructuur te analyseren, kan AI-gebieden identificeren waar sprake is van overtollige energiecapaciteit of waar energie wordt verspild. Deze informatie kan worden gebruikt om wijzigingen aan te brengen in de topologie van het net, zoals het omleiden van stroom om energie efficiënter te verdelen.
Ben je geïnteresseerd in een PhD-project? Klik dan hier en stuur een e-mail naar j.l.cremer@tudelft.nl