Energietransitie

Nederland moet volgens de Klimaatwet in 2050 een kimaatneutraal energiesysteem hebben. Om dit doel te behalen zullen we moeten overschakelen van fossiele brandstoffen zoals aardgas, steenkool en kernenergie, naar duurzame energie zoals wind- en zonne-energie. Hiervoor zal onze huidige energie-infrastructuur moeten worden aangepast om bijvoorbeeld de toenemende vraag naar elektriciteit aan te kunnen en ons gasnet geschikt te maken voor alternatieve vormen van energie (zoals waterstof en groen gas). Onder andere provincies en gemeenten ontwikkelen strategieën om lokale en regionale maatregelen te kunnen nemen.

Om weloverwogen strategieën en maatregelen te nemen, inventariseren wij zonnepanelen in luchtfoto’s en berekenen de energieopbrengst hiervan om inzicht te kijken in de huidige opwekking van zonne-energie. Echter om te weten wat de huidige stand van zaken is en hoeveel (zonne-) energie nog nodig is om energie-neutraal te zijn, is er informatie nodig over de energiebehoefte van individuele woningen.

 

Energiebehoefte woningen

De totale energiebehoefte van woningen bestaat uit de warmtevraag (energie die nodig is om een woning en tapwater te verwarmen) en het elektriciteitsverbruik. De warmtevraag van woningen is afhankelijk van o.a. het te verwarmen oppervlakte/inhoud, type woning, bouwjaar, isolatie en de grootte van het huishouden. Het elektriciteitsverbruik van een woning is afhankelijk van het aantal huishoudelijke apparaten dat gebruikt wordt (zoals verlichting, koelkast, wasmachine etc.) en is grotendeels afhankelijk van de grootte van een huishouden.

AI voorspellingsmodel

De werkelijke energiebehoefte van individuele woningen is afhankelijk van specifieke factoren die niet als open data te verkrijgen zijn (grootte huishouden, isolerende maatregelen, elektrische auto, etc.). Met behulp van machine learning (AI) hebben wij een model ontwikkelt dat de totale energiebehoefte van individuele woningen kan voorspellen op basis van openbare en ruimtelijke data. Door de totale energieleveringen van alle postcode gebieden (PC6) in Nederland te analyseren, is het model in staat om lokaal een voorspelling te doen op basis van de landelijke data. Hierdoor kan geaggregeerde data op postcode-6 niveau worden uitgesplitst naar individuele woningen, ondanks het ontbreken van specifieke vertrouwelijke data (AVG).

De afbeelding bovenaan deze pagina laat een output zien van het model in de binnenstad van Gouda. Benieuwd naar de resultaten in uw gemeente? Neem dan vrijblijvend contact us!