Foto: Markus Distelrath, Pixabay

Met data vraag en aanbod energie op elkaar afstemmen

Digitale replica’s van gebouwen kunnen helpen het energieverbruik op gebouw- en wijkniveau te voorspellen en optimaliseren. Dat stelt TNO in een nieuw paper.

Een zogenaamde ‘predictive twin’ is een digitale kopie van bijvoorbeeld een woning of kantoor die in verbinding staat met het fysieke bouwwerk. Het "digitale bouwwerk" kan het fysieke bouwwerk volgen en boordelen. Ook leert het van de data die het onvangt. Dankzij een groeiende hoeveelheid data kunnen voorspellende modellen steeds beter gevoed worden met data en steeds beter leren, zegt Arjen Adriaanse, wetenschappelijk directeur van TNO en auteur van het paper. ‘Daarmee kun je het toekomstige gedrag en gebruik van bouwwerken en netwerken van bouwwerken beter voorspellen, simuleren en beïnvloeden.’ Een predictive twin gaat overigens verder dan een digital twin, omdat deze met grote hoeveelheden data ook kan voorspellen. 

Een van dingen waarbij dit van pas kan komen, is de energietransitie. Op gebouwniveau kan met predictive twins getest worden hoe effectief renovatieconcepten zijn. Die kennis kan gebruikt worden om de energieprestaties van nieuwe bouwwerken te voorspellen en verbeteren. Op gebouw- en wijkniveau biedt deze datatoepassing inzicht in energievraag en -aanbod. De energietransitie zorgt voor grotere pieken in de geleverde en opgenomen energie. Als voorbeeld noemt TNO de toename van laadpalen voor elektrische auto's (vraag) en zonnepanelen (aanbod).

Als het energieverbruik gemonitord, voorspeld en beïnvloed wordt, kunnen vraag en aanbod van energie per wijk beter op elkaar afgestemd worden. Dat maakt het mogelijk overbodig sommige grote investeringen te doen die het energienet verzwaren, verwacht TNO. Het onderzoeksinstituut wil voor 2022 een basismethodiek hebben om met predictive twins-netwerken energieprestaties integraal te meten en voorspellen.

Voordat predictive twins op grote schaal worden toegepast, zijn nog wel hobbels te nemen. Zo wordt onder meer gekeken naar de noodzaak en betaalbaarheid van predictive twins, omdat dergelijke toepassingen niet voor iedere situatie en elke sector kosteneffectief zijn. Ook moeten voor de ontwikkeling diverse kennisdomeinen samenwerken.

Naast inzet voor de energietransitie kunnen predictive twins ook worden ingezet voor vervangings- en renovatieopgaven van infrastructuur en een circulaire bouwsector. Zo kan bijvoorbeeld de levensduur van bouwonderdelen voorspeld en gemonitord worden. 

Lees ook: Ditigal twins: 'Meer inzicht, betere besluiten
Dit bericht delen via:

Gerelateerde artikelen