Optimalisatie van zonnepark (PV) ontwerp met behulp van AI

Inleiding

Winstgevendheid en complexiteit van zonneparken staan onder druk door het aflopen van steun- en subsidieregelingen voor zonneparken, de oplopende kosten van onderdelen, de mogelijk oplopende kosten van financiering (rente) en de toenemende complexiteit van het Nederlandse elektriciteitsnet (congestie, opslag, i.e. batterijen). Dit heeft gevolgen voor de financiële marge en het bijbehorende investeringsrisico voor ontwikkelaars, en kan dus een risico zijn voor de klimaatambities en energietransitie.

Optimalisatie Probleem

Het maximaliseren van de energieopbrengst (“yield”) binnen een mogelijke locatie van een zonnepark is een complex optimalisatieprobleem. De ideale oriëntatie en hoek van de zonnepanelen varieert met:

• De geografische coördinaten
• De geometrische vorm van de locatie
• Omliggende bebouwing en beplanting die schaduwplekken kunnen vormen
• De zonintensiteitvariatie gedurende het jaar

Verder spelen technologie (bijv. meebewegende panelen), afstand en obstakels tot de aansluiting op het elektriciteitsnet, gridcapaciteit en operationele overwegingen (bijv. toegang tot de panelen en transformator(en) voor onderhoud) een rol in de trade-offs tussen:

1. Initiële investering
2. Verwachte waardeopbrengst
3. Operationele kosten

Onderzoeksvraag

Binnen de kaders van deze haalbaarheidsstudie wil de onderneming kijken of het mogelijk is om, middels state of the art machine learning (deep reinforced learning) en diepgaande product- en marktkennis, deze yield te maximaliseren. Daarnaast wil men onderzoeken of er voldoende marktpotentieel is.