Energie

Ontsluit belastingsprofielen van slimme meters om de energietransitie te versnellen

Energie-efficiëntie.

Het energienet staat onder druk. Goede samenwerking tussen verschillende partijen is cruciaal. Dat biedt ook kansen voor aanbieders van slimme energiediensten. Zeker omdat er een grote elektrificatie plaatsvindt: van het gas af (warmtepompen), van de benzine af (EV’s) en opwarming in Nederland (airco’s).

Daarom is er aan deze vorm van elektriciteitsvoorziening een slim meet- en regelsysteem toegevoegd (smart grids). Dit systeem meet energiepieken en stroomdalen en regelt dat de energie gestroomlijnd wordt aangevoerd of herverdeeld.

Uitdagingen.

Om inzicht te krijgen in de energiebehoefte wordt gebruikgemaakt van rekenmodellen. De prestaties ervan zijn sterk afhankelijk van de kwaliteit en hoeveelheid beschikbare data voor training. Het verzamelen van voldoende gegevens van hoge kwaliteit is echter tijdrovend en extreem duur. 


Samenwerking tussen energieproducenten, -leveranciers, netbeheerders en Onafhankelijk Diensten Aanbieders (ODA’s) is essentieel, maar het gebruik van data van een derde partij is problematisch. Energieverbruik is immers privacygevoelige data waardoor er veel beperkingen gelden om deze te gebruiken. Het verwerken ervan kan leiden tot dure boetes van privacyautoriteiten en verhoogt het risico op reputatieschade door datalekken. Het gebruik van synthetische data biedt uitkomst.

… Energieverbruik is privacygevoelige data

… Het verzamelen van voldoende gegevens van hoge kwaliteit is echter tijdrovend en extreem duur

Use cases

Voorspellen van energieverbruik met ‘wat-als-scenario's

Betere inschatting van het energieverbruik

Leveranciers zijn in staat om de vraag naar stroom te voorspellen. Bijvoorbeeld aan de hand van het verbruik en gebruikersprofielen op basis van woningtypes. Maar ook door het conditioneren van de data. Wat is bijvoorbeeld de impact op het energieverbruik als het 10 graden kouder wordt? Of als het aantal elektrische auto’s in een regio met 20 procent toeneemt?

Voorspellen van onderhoud aan infrastructuur

Realistische modellen met essentiële basisdata

Nutsbedrijven hebben te maken met hoge terugkerende kosten. Veel energiebedrijven zouden AI willen gebruiken om taken uit te voeren, bijvoorbeeld om onderhoud te voorspellen. Hiervoor zijn echter te weinig databronnen. De data die beschikbaar is, mag niet of slechts beperkt gebruikt worden, omdat het privacygevoelige gegevens zijn. However, the models require input from data with examples of failures or incidents. BlueGen.ai helpt om de ontbrekende data aan te vullen. Zo kunnen nutsbedrijven alsnog over betere, voorspellende modellen beschikken.

Gegevens delen volgens de privacywetgeving

Nieuwe, slimme energiediensten introduceren

Onafhankelijk Diensten Aanbieders (ODA’s) spelen een belangrijke rol bij een zo efficiënt mogelijke energieregulatie. Ze ontwikkelen en testen nieuwe, slimme energiediensten. Het delen van data gebeurt op een privacy-veilige manier. Energie Data Services Nederland (EDSN), dat de certificaten aan ODA’s verstrekt, stelt zowel hoge technische eisen als hoge eisen aan de omgang met privacygevoelige data. Synthetische data helpt ODA’s om hier volledig aan te voldoen.

Fraudedetectie

Verbeterde fraudedetectie en voorkomen van diefstal dankzij efficiëntere modellen

Volgens schattingen vindt er jaarlijks wereldwijd voor 95 miljard dollar plaats aan diefstal van elektriciteit. Voor fraudedetectie met AI zijn voldoende gegevens nodig. BlueGen.ai biedt voorbewerking van gegevens en datasynthese om de machine learning hiervoor te verfijnen. Synthetische trainingssets zijn ook beter dan echte gegevens. Door de dataset in evenwicht te brengen, kan het model onregelmatigheden beter en sneller opsporen.

Research

Toegang tot gegevens en hogere kwaliteit van onderzoek naar nieuwe energieoplossingen

Om de energie-uitdagingen op te lossen, is er onderzoek van universiteiten en onderzoeksinstellingen nodig. Voor het verrichten van goed onderzoek is representatieve data nodig. Deze kan vaak niet gedeeld worden vanwege privacy-bezwaren. Dankzij BlueGen.ai is dit wel mogelijk. Het research verloopt zelfs sneller en is ook van hogere kwaliteit.

Customer-profiling en segmentatie

Nieuwe commerciële kansen dankzij tarieven en diensten op maat

Op basis van onder andere kenmerken van het huishouden is het mogelijk volgens verschillende temperatuurscenario’s curven op te stellen. Op basis van onder andere kenmerken van het huishouden is het mogelijk volgens verschillende temperatuurscenario’s curven op te stellen. Deze leveren een belangrijke bijdrage aan de ontwikkeling van gepersonaliseerde tarieven en van andere energieproducten, voor uiteenlopende huishoudens.