Om een betrouwbare en kostenefficiënte energietransitie te garanderen, moeten zowel investeringen als operationele beslissingen gebaseerd zijn op representatieve modellen die adequaat profiteren van de huidige digitalisering van moderne elektriciteitssystemen. Het hoofddoel van het ADABEL-project is om gebruik te maken van (voornamelijk openbaar) beschikbare gegevens om procedures voor de beoordeling van toereikendheid, balancering op korte termijn en spanningsgerelateerde leveringszekerheid te verbeteren door respectievelijk de beschikbare grensoverschrijdende capaciteit, interacties met markten en het gedrag van reactief vermogen op de interfaces van de transmissienetten beter te begrijpen en te voorspellen.
Status
Periode
ADABEL heeft als doel om de Belgische energietransitie te vergemakkelijken door de ontwikkeling van geavanceerde gegevensanalyse-algoritmen. Deze algoritmen zijn ontworpen om de informatie die is opgeslagen in de immense datasets die voortkomen uit moderne elektrische energiesystemen en markten te extraheren en te benutten. De toegevoegde waarde van de ontwikkelde gegevensmodules wordt gekwantificeerd door fundamentele uitdagingen aan te pakken die betrekking hebben op het Belgische elektriciteitssysteem:
- Beschikbaarheid: ADABEL richt zich op het begrijpen en voorspellen van de impact van buitenlandse landen en internationale samenwerking op de beschikbaarheid van het Belgische elektriciteitssysteem. Dit is van cruciaal belang in de overgang naar systemen met een overwicht aan hernieuwbare energiebronnen.
- Balancering: ADABEL ontwikkelt kostenefficiënte procedures voor dynamische reservegrootte, inkoop en activering. Dit om een groter aandeel van hernieuwbare energiebronnen in de energiemix te ondersteunen, met sterke aandacht voor grensoverschrijdende samenwerking.
- Leveringszekerheid: ADABEL biedt tools voor investeringsplanning in reactieve stroom om een kostenefficiënte spanningsregeling in België te waarborgen, wat momenteel wordt uitgedaagd door de toenemende penetratie van hernieuwbare energiebronnen.
Concreet richt ADABEL zich op belangrijke uitdagingen die ontstaan bij het verwerken van gegevens uit echte energiesystemen en markten. Deze gegevens worden gekenmerkt door een complexe ruimtelijke en temporele structuur, hoge dimensionaliteit, en heterogene en onvolledige eigenschappen. Nieuwe benaderingen worden ontwikkeld, gebaseerd op recente doorbraken in het veld van machinaal leren (zoals in diep leren). Dit is een wetenschappelijke discipline binnen kunstmatige intelligentie die tot doel heeft machines te trainen om complexe taken uit te voeren met behulp van op gegevens gebaseerde algoritmen. Bovendien maakt ADABEL gebruik van het nieuwe concept van door Theorie Gestuurde Datawetenschap, waarbij puur op gegevens gebaseerde benaderingen worden gecombineerd met op natuurkunde gebaseerde methoden. Dit combineert de nieuwe mogelijkheden van machinaal leren met de kennis die is opgedaan in modellering van elektriciteitssystemen gedurende de afgelopen decennia. Voor de uitvoering van deze doelstellingen worden open-source omgevingen gebruikt voor de ontwikkeling van de gegevensmodules en toepassingsgerichte tools (bijvoorbeeld met behulp van de Python-omgeving). Kortom, ADABEL streeft ernaar om de grens tussen elektrische energiesystemen en kunstmatige intelligentie te overbruggen, ter ondersteuning van de Belgische energietransitie.
