Alliander en Radboud Universiteit

De data die Alliander heeft en kan gebruiken, omvatten op dit moment niet alle informatie die nodig is om het energienet optimaal te laten functioneren. Door AI in te zetten en data science toe te passen op de beschikbare data kan Alliander meer inzicht krijgen in de werking en mogelijkheden van het net. Dit kan helpen om uitval door extreme scenario's of tijdens onderhoudsproblemen sneller en/of adequater op te lossen of zelfs te voorkomen. 

De praktijk voor accountants en controllers laat een ontwikkeling zien van standaard financiële rapportages naar een meer proactieve rol in het beheersen van de milieutechnische en sociale prestaties van een organisatie, naast de financiële prestaties. Op technologisch vlak is het gebruik van kunstmatige intelligentie (AI) in opkomst. Data-analyse en besluitvormingsondersteuning nemen in belang toe, juist door de bredere vraagstukken die aan accountants en controllers worden voorgelegd. De samenwerking tussen Alliander en Nijmegen School of Management (NSM), leerstoel Accounting, is bedoeld om deze ontwikkelingen van dichtbij te kunnen bestuderen en beïnvloeden. Alliander is bij uitstek een organisatie waar deze ontwikkelingen samenkomen. Betrokken bedrijfsonderdeel Alliander: Internal Audit. Betrokken Faculteit Radboud Universiteit: Faculteit der Managementwetenschappen, Leerstoel Accounting. 

Dit samenwerkingsthema richt zich op twee verschillende aspecten van cybersecurity, namelijk: de digitale veiligheid van systemen zelf en menselijk gedrag dat tot beveiligingsproblemen leidt. Barry Pouwels (Alliander) heeft de leiding over beide, en werkt samen met twee faculteiten: Faculteit der Natuurwetenschappen, Wiskunde en Informatica met Erik Poll als thematrekker voor de Radboud Universiteit en Faculteit Sociale Wetenschappen (Wolter Pieters). 

De data die Alliander heeft en kan gebruiken, geven op dit moment niet alle informatie die nodig is om het energienet optimaal te laten functioneren. Door AI in te zetten en data science toe te passen op de beschikbare data kan Alliander meer inzicht krijgen in de werking en mogelijkheden van hun net. Dit kan helpen om uitval door extreme scenario's of tijdens onderhoud sneller en adequater op te lossen of zelfs te voorkomen. Thematrekkers: Henk-Jan.Kooij [at] alliander.com (Henk-Jan Kooij), Lars.deLaat [at] alliander.com (Lars de Laat) (Alliander), Martijn Gerritsen (Radboud Universiteit). 

Dit thema gaat over fysisch modelleren van het energienet. Het doel is om de verschijnselen die optreden beter te begrijpen, evenals de effecten daarvan op de fysieke conditie van de assets in het net zoals kabels en transformatoren. Zo kan Alliander het transport van energie naar klanten optimaliseren en ervoor zorgen dat het net veilig en betrouwbaar blijft.
Voorbeelden van fenomenen die belangrijk zijn om te modelleren zijn: Temperatuur van fysieke assets zoals kabels; Gedrag van signalen en hun reflecties langs kabels; Degradatie van isolatiemateriaal van kabels; Gedeeltelijke ontladingen.

Het gebruik van statistiek kan zeer nuttig zijn om de huidige netcapaciteit optimaal te benutten om het probleem van het volle energienet in Nederland op te lossen. De huidige, maar ook enigszins oude, rekenregels die worden gebruikt om de capaciteit van het energienet te bepalen. Daarmee wordt het aantal aansluitingen of de grootte van de aansluitingen op het net die zijn toegestaan bepaalt. De rekenregels zijn erg conservatief en niet perfect afgestemd op de nieuwe energiemarkt. Energienetbeheerders maken gebruik van worst case scenario's om het energienet betrouwbaar te maken, maar het toevoegen van waarschijnlijkheden aan worst case scenario's kan leiden tot een optimaler gebruik van het energienet.