ERC Advanced Grant voor slimmere aansturing van energie- en transportnetwerken

In de toekomst zullen we steeds meer slimme transport- en energienetwerken zien. De online aansturing van dit soort grote en complexe netwerken is echter nog verre van optimaal. Onderzoeker Bart De Schutter heeft van de Europese Unie een ERC Advanced Grant van 2,5 miljoen ontvangen om dit probleem de komende vijf jaar aan te pakken.

Transport en energie

Bart De Schutter richt zich op de aansturing van complexe grootschalige netwerken. ‘Een specifiek voorbeeld zijn (toekomstige) smart energy grids, waarin je te maken krijgt met een ingewikkelde lokale combinatie van energie-opwekking, opslag en energieverbruik. Je wilt in zo’n systeem dat de lokale energie-opwekking zoveel mogelijk overeenkomt met het lokale energieverbruik. Een simpel voorbeeld is dan een wasmachine die pas aanslaat als het energieverbruik in het systeem laag is. Maar voor dat soort zaken is wel een goede aansturing nodig’, zegt De Schutter.   

Een ander voorbeeld is een transportnetwerk met daarin verschillende vervoerstypes, zoals auto’s en openbaar vervoer. Ook in zo’n netwerk probeer je een optimale aansturing en afstemming te krijgen, enerzijds voor de individuele reiziger, maar ook gericht op de reductie van het totale energieverbruik en de emissies. Je kunt in zo’n systeem gebruik maken van de routeplanners in individuele auto’s om gerichte reisadviezen te geven.

Niet optimaal

Helaas is de aansturing van dit soort grote netwerken nog verre van optimaal. Ze hebben namelijk te maken met zogenoemde Hybrid Dynamics. Dat wil zeggen dat er naast geleidelijke veranderingen, ook sprongetjes optreden in het systeem, bijvoorbeeld doordat er een apparaat in- of uit wordt geschakeld of, in het geval van transport, doordat er een weg wordt afgesloten. De combinatie van dit soort veranderingen maakt de aansturing van deze netwerken erg lastig. Daar wordt nu via een pragmatische of sterk vereenvoudigde aanpak mee omgegaan, maar nog niet op een gestructureerde manier.  

De Schutter stelt in zijn voorstel A Novel Control Paradigm for Large-Scale Hybrid Networks (CLariNet) daarom een andere aanpak voor. ‘Mijn voorstel is de combinatie van twee gevestigde controle-methodes: aan de ene kant optimization-based control en aan de andere kant learning-based control.’

Voordelen

Learning-based control gaat over zelflerende systemen. Het systeem reageert daarin op een sturende actie en afhankelijk van of die reactie in de goede richting gaat of niet, krijgt het systeem een beloning of een bestraffing. Op die manier leert het systeem gaandeweg wat de goede aanpak is; een voorbeeld is de zoekmachine van Google die leert waar een gebruiker meestal naar zoekt en op basis daarvan alvast voorstellen doet.

Bij optimization-based control worden regelacties voorgesteld en bereken je wat de uitkomst zou zijn. Op basis daarvan worden weer nieuwe voorstellen gedaan, bijvoorbeeld zoals een schaakcomputer functioneert bij het berekenen van een nieuwe zet.

‘Beide methodes hebben zo hun voordelen’, vervolgt De Schutter, ‘maar de combinatie bleek tot voor kort lastig. Ik wil deze kloof dichten door de bijzondere kennis en ervaring die ik heb in zowel optimization-based control als in learning-based decision making. Een van de kernelementen hierbij is de stuksgewijze lineaire benadering van niet-lineaire curves, alsmede de ontwikkeling van modellen die daarmee kunnen werken en het slim gebruiken van de al aanwezige netwerkstructuren.’

Verbetering

’Het onderzoek staat nog in de kinderschoenen. Dus het zal nog wel even duren voordat we dit in de praktijk terug zullen zien. Maar met de ERC Advanced Grant zullen we de komende vijf jaar concrete tussenstappen zetten. Op termijn verwachten we een serieuze verbetering in de aansturing van met name smart energy systems en wegnetwerken ‘(of bij de combinatie van die twee). Maar de resultaten zullen veel breder toepasbaar zijn, zoals bij spoor-, gas-, en waternetwerken.’

Twee ERC Advanced Grants voor Delftse onderzoekers

De Europese Unie kent naast Bart De Schutter ook een ERC Advanced Grant toe aan de Delftse netwerkwetenschapper Piet Van Mieghem. De afgelopen jaren heeft Van Mieghem de verspreiding van epidemieën, binnen een netwerkstructuur, bestudeerd aan de hand van eenvoudige modellen. Het coronavirus zorgde er voor dat theoretische inzichten opeens praktijk werden en bracht een aantal tekortkomingen binnen de traditionele epidemiologie aan het licht. Met zijn onderzoek hoopt Van Mieghem antwoord te krijgen op de vraag waarom het de Westerse wereld niet gelukt is om de verspreiding van het coronavirus in te dammen.