Wanneer kun je het beste een wasje draaien?
De komst van een nieuw elektriciteitssysteem zal de manier van onze energieconsumptie veranderen. Dit, en de gevolgen van de komst van de autonome auto, kwam aan de orde tijdens een grote conferenties over artificiële intelligentie en planning), afgelopen juni in Delft.
Veel van de gepresenteerde onderzoeken op de International Conference on Automated Planning and Scheduling (ICAPS) hadden te maken met de komst van het smart grid en autonome auto's. “In dit vakgebied draait het allemaal om het geautomatiseerd oplossen van planningsproblemen”, zegt wiskundige dr. Mathijs de Weerdt (software and computer technology, EWI), een van de organisatoren van de conferentie. “Daarvoor gebruiken we zelflerende algoritmen.”
De Weerdt houdt zich bezig met optimalisaties voor het smart grid. Vraag en aanbod van elektriciteit kunnen nu nog goed op elkaar worden afgestemd. Grote elektriciteitsbedrijven kunnen met hun gascentrales de productie voldoende bijstellen. Maar als zonne- en windenergie straks een groter aandeel krijgen in de productie, is die flexibiliteit minder vanzelfsprekend.
“Het wordt dan van belang om aan de vraagkant flexibiliteit te genereren. Door de elektriciteitsprijs te verlagen als het hard waait of de zon fel schijnt, kun je mensen er bijvoorbeeld toe aanzetten wasjes te draaien op momenten dat er veel elektriciteit geproduceerd wordt. Dit is een simpele vorm van optimalisatie. Maar je moet ook rekening houden met de industrie. Industriële processen zijn zeer ingewikkeld om te optimaliseren. Fabrieken kunnen hun bedrijfsvoering niet zomaar aanpassen aan de elektriciteitsprijs.” Met zelflerende algoritmen - reinforced learning algorithms- probeert De Weerdt het systeem zo flexibel mogelijk te krijgen.
Mede-organisator wiskundige dr. Matthijs Spaan, doet vergelijkbaar onderzoek, maar richt zich op zelfrijdende auto’s. Hij is betrokken bij project i-CAVE, een samenwerkingsverband tussen onder meer de TU's van Delft en Eindhoven, waarbij wordt onderzocht hoe een vloot semi-autonome voertuigen zo efficiënt mogelijk ingezet kan worden om pakketjes te bezorgen. “De auto’s zijn autonoom in gebieden die redelijk overzichtelijk zijn en waarvan ze gedetailleerde kaarten hebben. Complexe locaties, zoals de binnenstad van Delft, kunnen ze niet zelfstandig aan. Een bestuurder moet het daar overnemen. Wij kijken hoe we dit systeem kunnen optimaliseren.”
Een ander cruciaal onderdeel bij autonoom rijden is beeldherkenning. Daar doet hoogleraar intelligent vehicles prof.dr. Dariu Gavrila (ME) onderzoek naar. Kunstmatige intelligentie is uitzonderlijk goed in afzonderlijke taken, zoals het herkennen van afbeeldingen. Maar in het verkeer moet je anticiperen op andere weggebruikers in situaties die continu veranderen. En daar is AI niet goed in.
“De wetenschappelijke uitdagingen liggen vooral in het complexe stadsverkeer en in het omgaan met fietsers en voetgangers”, zei Gavrila twee jaar geleden tijdens zijn intreerede als hoogleraar. Technieken die met behulp van big dataautomatisch leren hoe weggebruikers eruitzien en hoe ze zich doorgaans gedragen, kunnen helpen de verkeerssituatie beter in te schatten.