Regio Noord | Solarflex Battery as a Service

Energiesectoropslag bij zon- en windparken is een steeds belangrijker onderdeel van de Energiesectortransitie. Naarmate meer zon- en windEnergiesector wordt opgewekt, ontstaan steeds grotere verschillen tussen vraag en aanbod op het elektriciteitsnet en kan onbalans lastiger worden opgevangen. Energiesectoropslag bij de bron biedt de flexibiliteit die nodig is om deze verschillen op te vangen. Tot nu toe is de exploitatie van Energiesectoropslag met flexibiliteitsdiensten echter vooral voorbehouden aan grote Energiesectorbedrijven. Zij kunnen batterijen met behulp van maatwerktechnologie integreren met hun eigen handelssystemen en krijgen zo toegang tot alle markten waarop de inzet van de batterij verkocht kan worden. Op deze manier genereren ze voldoende inkomsten om de investering rendabel te maken. Zelfstandige ontwikkelaars van zon- en windparken hebben deze mogelijkheid niet. De enige alternatieven die beschikbaar zijn op de markt kunnen vaak slechts 1 of 2 flexmarkten c.q. verdienassen benutten, waardoor de batterijopslag niet rendabel is...Het consortium wil hier verandering in brengen. De bedrijven zien kans om een laagdrempelige, integrale oplossing te ontwikkelen voor batterijen bij zon- en windparken: Solarflex Battery-as-a-Service (BaaS). Deze oplossing verhoogt de inkomsten van batterijsystemen en maakt bovendien een volledig gescheiden - en daarmee schaalbare - exploitatie mogelijk. Aan de basis hiervan staat de ontwikkeling van een uniek concept voor de toepassing van de batterij in combinatie met een slim Energiesectorhandelsplatform. Dit platform zal de inzet van de batterij op 5 verschillende verdienassen kunnen combineren en daarbij continu zelf de beste handelsstrategieën kunnen genereren...In het project ligt de focus op de ontwikkeling van de achterliggende economische en juridische modellen en een prototype van het Energiesectorhandelsplatform. Daarbij gaat veel aandacht uit naar het creëren van modellen en algoritmes die in staat zijn om de inzet van de batterij op de vijf verdienassen continu te optimaliseren en beslisondersteuning te bieden voor de gebruiker. Daarnaast wordt veel ontwikkeltijd gestoken in de robuustheid van het prototype. Zo wil men met nieuwe machine learning technieken zorgen dat de inzet van de batterij veel beter voorspelbaar wordt dan nu mogelijk is. En met de ontwikkeling van een geavanceerd datasysteem wil men significant hogere data-tijdsresoluties realiseren, zodat het systeem voorbereid is op de toekomstige praktijk met steeds meer hernieuwbare elektriciteit. Dit alles zal ervoor zorgen dat de werking niet afhankelijkheid is van gespecialiseerde programmeurs die continu aanpassingen moeten maken, maar dat echt een laagdrempelige en toekomstbestendige oplossing voor de gebruiker ontstaat.