Smart grids, de intelligente gas-, water- en elektriciteitsnetwerken, zijn bevolkt met meters en sensoren die constant data over het netwerk sturen. Massa’s gegevens die zeer nuttige informatie bevatten voor elke nutsbedrijf – op voorwaarde dat het erin slaagt die “big data” te ontginnen met behulp van analytics.

Het overgrote deel van onze bestaande energie-infrastructuur dateert nog uit de tijd van de zwart-wit televisie en klassieke energiecentrales. Er waren minder afnemers van energie met minder apparaten, kleinere steden en kleinere distributienetwerken. En er was het vertrouwde fenomeen: de man van het gas-, water- of elektriciteitsbedrijf die op vaste tijdstippen aanklopte om de meterstanden te noteren. Verleden tijd echter, vandaag krijg je meestal het verzoek om dat zelf te doen en de standen via telefoon of computer door te geven. Soms maandelijks, meestal een keer per kwartaal of zelfs maar eens per jaar – niet zo erg veel data dus. Maar met smart grids waar bijvoorbeeld om de 15 minuten meters worden uitgelezen, wordt dat wel anders want dan krijg je meer dan 35.000 keer per jaar een data-impuls. En als je dat gaat vermenigvuldigen met de duizenden of misschien zelfs miljoenen meters die een nutsbedrijf in gebruik heeft, dan kom je tot duizelingwekkende cijfers – of in computertaal: big data.

Predictive analytics

Nutsbedrijven worden vandaag bovendien met uitdagingen geconfronteerd die hen totaal vreemd zijn – complexe overheidsreglementeringen, verhoogde druk op de budgetten, hogere verwachtingen van hun klanten, enz. Logisch dat zij op zoek gaan naar middelen om efficiënter te kunnen werken, en het verzamelen, opslaan, ordenen en analyseren van die stroom van big data is daar een van de belangrijkste van. Aanvankelijk heeft men hier getracht met behulp van rapporten en “executive dashboards” orde in te scheppen, maar al vrij snel heeft men de stap gezet naar analytics en meer bepaald predictive analytics om op basis van historische tendensen managers in staat te kunnen stellen met min of meer zekerheid de toekomst te voorspellen en gepaste maatregelen te nemen.

Precies dankzij al die data van smart meters en smart grids zijn nutsbedrijven nu in staat om hun dienstverlening te optimaliseren door onder meer patronen te ontdekken in het verbruik van hun klanten en op die manier ook te anticiperen op een mogelijke toekomstige overbelasting tijdens piekperiodes. Maar om echt doeltreffende programma’s te ontwikkelen die op die schommelingen kunnen inspelen, moeten de nutsbedrijven gesofisticeerde analytics kunnen toepassen die rekening houden met een breed scala van gegevens over zowel hun klanten en hun verbruik als het fysische netwerk, de productiecapaciteit, het weer, en ook de energiemarkt in ‘t algemeen. De bedoeling is uiteindelijk een betrouwbare energievoorziening te kunnen waarborgen, minder vaak nieuwe energiecentrales te moeten bouwen, en klanten ook meer controle te geven over hun eigen energieverbruik.

Voordelen voor beide partijen

Het installeren van smart meters was daarbij maar een eerste stap, de stroom van gegevens die daaruit voortspruit is veel belangrijker – op voorwaarde natuurlijk dat het nutsbedrijf in kwestie er wat mee doet. En daar kunnen beide partijen wel bij varen – als het nutsbedrijf een precies inzicht krijgt in het verbruik van zijn klanten, kan het ook getrapte prijsschalen uitwerken die enerzijds de klant laten besparen door zijn wasmachine en droogkast te gebruiken buiten de piekuren en anderzijds ook vermijden dat het nutsbedrijf bijkomende capaciteit moet voorzien op die piekmomenten en dus ook zijn operationele doeltreffendheid kan optimaliseren. Nieuwe fenomenen als zonne- panelen die hun overtollige stroom terugsturen naar het netwerk en elektrische wagens die te pas en te onpas gaan “tanken” aan laadstations, maken de nood aan een precies overzicht in real-time nog dringender. Een strategisch partnership zoals dat van Teradata en Siemens Smart Grid Division is dan ook een logisch uitvloeisel van die behoefte.

Frans Godden