Aanleiding en doelstelling
Op weg naar een energieneutraal Nederland is netcongestie een grote uitdaging. Warmtepompen zijn een efficiënte manier van woningverwarming, maar vragen ook aanzienlijk elektrisch vermogen. Ze spelen dus een rol in de druk op het net, maar kunnen als ze slim worden aangestuurd ook bijdragen aan de oplossing.
Om onderbouwde keuzes te kunnen maken over bijvoorbeeld subsidiebeleid heeft het ministerie van Economische Zaken en Klimaat samen met de Rijksdienst voor Ondernemend Nederland het onderzoek DACS-HW (Digitale Aggregatie en Collectieve Sturing van Hybride Warmtepompen) laten uitvoeren. De centrale vraag: in hoeverre kan een collectief van hybride warmtepompen op wijkniveau de belasting van een transformator beïnvloeden, zó dat congestie wordt vermeden zonder comfortverlies voor bewoners?
Het project werd uitgevoerd door een consortium van Enablemi, Enexis, Intergas, Inversable, Voorstroom, Samen Energie Neutraal en de Technische Universiteit Eindhoven. Inversable was verantwoordelijk voor het ontwerpen en bouwen van het dataplatform: van cloudinfrastructuur en realtime dataverwerking tot de koppeling met warmtepompen, netdata en bewonersinterfaces. Voor ons was dit een kans om te laten zien hoe een open source data architectuur kan worden ingezet om een zinvolle bijdrage te geven in de energietransitie, door data inzichtelijk te maken en beschikbaar te maken voor wetenschappers.
Verwerken ruwe data
Apache Kafka en Clickhouse
Als Inversable waren wij verantwoordelijk voor de volledige digitale keten, hiervoor verzamelden wij data uit verschillende bronnen: transformatorinformatie via de Dalibox van Enexis, verbruiks- en statusdata van hybride warmtepompen van Intergas, slimme meterdata via de ODA-koppeling en bewonersinformatie voor opt-outs. Al deze datastromen kwamen samen in een event-gedreven architectuur waarin metingen realtime werden verwerkt.
De streaminglaag hebben we opgebouwd met Apache Kafka, waarop verschillende verwerkingscomponenten zijn aangesloten. Tijdreeksdata werd opgeslagen in ClickHouse. Bovenop deze datalaag draaide de rekenkern. Op basis van actuele netbelasting, voorspellingen en ingestelde parameters bepaalt deze logica of en hoe warmtepompen tijdelijk worden begrensd of geschakeld. De cloudinfrastructuur is modulair opgezet met open-source software en gehost in onze eigen cloudomgeving (Inversable Cloud) die juridisch en fysiek in Europa staat.
Inzichten in Grafana en noodstop
Grafana en bewonersapp
Voor bewoners ontwikkelden we een applicatie die inzicht gaf in het eigen energiegebruik en de mogelijkheid bood tot een tijdelijke opt-out. Wie op een bepaald moment niet wilde dat diens warmtepomp aangestuurd kon worden, kon zich individueel onttrekken aan centrale sturing; de benodigde afvlakking werd dan door de rest van het collectief opgevangen.
Voor projectpartners richtten we een analyse- en dashboardomgeving in op basis van Grafana, waarin deelnemers eigen dashboards konden samenstellen en delen. De volledige dataset was daarnaast beschikbaar voor verdere analyse.
Als laatste veiligheidslaag hebben we een noodstopmechanisme gebouwd waarbij we alle warmtepompen in een keer kunnen uitzetten. Geen regulier sturingsmiddel, maar een fail-safe, voor als bijvoorbeeld een wijktransformator kritisch overbelast wordt.
Met deze opzet hebben we een complexe keten — van ruwe netdata tot fysieke apparaatsturing — samengebracht in één samenhangend systeem.
Transparantie in data-analyse
Jupyter-notebooks
Een groot deel van het onderzoek draaide om data: meetwaarden van transformatoren, vermogensprofielen van warmtepompen, temperatuurdata en gebruikersgedrag. Data opschonen en structureren is daarbij geen triviale stap. Elke filterkeuze, elke aggregatie en elke correctie kan invloed hebben op de uitkomst.
In plaats van alleen een opgeschoonde dataset op te leveren, hebben we ervoor gekozen het volledige opschoningsproces reproduceerbaar te maken. We hebben een serie Jupyter-notebooks ontwikkeld waarin stap voor stap zichtbaar is hoe ruwe data wordt gefilterd, gecorrigeerd en geaggregeerd.
Onderzoekers konden deze notebooks “as is” draaien, maar ook aanpassen. Andere filterkeuzes maken. Alternatieve aannames testen. Eigen analyses toevoegen. Daarmee was niet alleen de data beschikbaar, maar ook het proces waarmee inzichten tot stand kwamen.
Voor ons is dat een logische stap. Data opschoning is nooit volledig neutraal; er zitten altijd aannames in. Door die expliciet en aanpasbaar te maken, maak je het onderzoek controleerbaar en uitbreidbaar. Deze manier van alles opzetten was ons erg goed bevallen, zo wordt elke stap van het onderzoek controleerbaar en verifieerbaar voor peer-review.
Uitkomst
Piekreductie tot 25%
Binnen DACS-HW hebben we een oplossing gemaakt die realtime netdata, apparaatdata en bewonersvoorkeuren samenbrengt en vertaalt naar fysieke aansturing van hybride warmtepompen op wijkniveau. In de praktijktesten leidde dit tot een piekreductie voor netcongestie tot 25% op wijkniveau.
Dit is een keten waar verschillende deelnemers ‘eigenaar’ zijn van een gedeelte van de data, die samen een geheelplaatje vormen. De uitdaging was om met al deze deelnemers het geheelplaatje te tekenen en daar concrete aansturing aan te koppelen. Dit onderzoek laat zien dat dit kan: Realtime, collectieve sturing van hybride warmtepompen op wijkniveau is technisch uitvoerbaar binnen een open, event-gedreven data-architectuur.
Als je meer wilt weten over de bevindingen en resultaten van het onderzoek, download dan hier het eindrapport.
