Nieuwe AI techniek voorspelt zonne-energie tot 13 procent nauwkeuriger

In dit artikel:

Onderzoekers van North Carolina State University hebben een AI-aanpak ontwikkeld die de opbrengst van zonnepanelen een dag vooruit tot 13 procent nauwkeuriger voorspelt. Dat kan netbeheerders helpen vraag en aanbod beter op elkaar af te stemmen, sneller andere energiebronnen of opslag in te zetten en onbalans op het elektriciteitsnet te voorkomen.

De productie van zonnepanelen is lastig te voorspellen door wisselende weersomstandigheden zoals bewolking, mist en regen. De onderzoekers vergeleken zeven modellen, van klassieke statistische methoden tot machine learning en deep learning, met historische productie- en meteorologische gegevens uit 2019 tot en met 2022. Die gegevens kwamen van twee grote Californische energiebedrijven: Imperial Irrigation District en Los Angeles Department of Water and Power.

Een BiLSTM-neuraal netwerk presteerde individueel sterk, maar bleek niet onder alle omstandigheden het beste. Het combineren van modellen leverde betrouwbaardere voorspellingen op, doordat fouten elkaar deels opheffen. Bij Imperial Irrigation District werkte een gewogen gemiddelde het best, met een verbetering tot 11 procent. In Los Angeles gaf een methode die gegevens van meerdere weerlocaties combineert de grootste winst: maximaal 13 procent.

Volgens de onderzoekers bestaat er geen universeel beste voorspelmodel. Klimaat, meetlocaties en lokale neteigenschappen bepalen welke aanpak het meest effectief is. Naarmate zonne-energie en de druk op elektriciteitsnetten toenemen, kunnen zulke regionaal afgestemde voorspellingen bijdragen aan een stabieler net en lagere operationele kosten. Ook in Nederland kan die aanpak relevant worden door de groei van zonne-energie en elektrificatie.