Met realtime data, reallife impact maken op de energietransitie

Mijn eerste project was gericht op de levering van flexibiliteit. Flexibiliteit is essentieel in de energiemarkt, omdat het de mogelijkheid biedt om energieproductie en -consumptie in balans te houden. Samen met een collega heb ik een machinelearning-model ontwikkeld dat gebruikmaakt van de sensordata van een zonnepark om een referentiesignaal te creëren. Dit signaal geeft de verwachte hoeveelheid elektriciteit aan die het zonnepark zou kunnen produceren als het park op dat moment zijn maximale capaciteit zou leveren. De landelijke netbeheerder gebruikt het signaal als input voor het balanceren van het netwerk en het verminderen van onbalans in de energievoorziening.

Dankzij ons model kunnen we zonneparken aansturen die zelf geen nauwkeurige referentiesignalen kunnen produceren of signalen onvoldoende frequent sturen. We kunnen hierdoor steeds vaker flexibiliteit leveren met hernieuwbare energiebronnen. Dit draagt bij aan de decarbonisatie van de energievoorziening (zeg maar het verlagen van de CO2-uitstoot) en brengt ons dichter bij een systeem waarin geen fossiele brandstoffen meer nodig zijn. 

Als Data Scientist werk ik samen met hardware-, software- en data-engineers die de VPP bouwen en de onderliggende ML Ops, Cloud- en streamingplatforms ontwikkelen. Verder trek ik op met eindgebruikers van de VPP, zoals de energy traders en operators van Eneco, die vaak ook een kwantitatieve achtergrond hebben. 

Mijn werkzaamheden zijn divers. Alles komt voorbij; van het verzamelen, opschonen en verwerken van data en het bouwen van modellen tot het evalueren van resultaten met stakeholders. 

Een project trappen we vaak af met een hackathondag. Tijdens zo’n dag bouwen en testen we verschillende modellen, waardoor we in korte tijd de haalbaarheid van een oplossing kunnen valideren. Deze manier van werken is tekenend voor de mentaliteit bij Eneco. Dat is er een van aanpakken. Als je een goed idee hebt, dan krijg je snel groen licht om het uit te voeren. 

Daarnaast heb ik afgelopen halfjaar de ruimte gekregen om mezelf te ontwikkelen tot een end-to-end-Data Scientist. Bij Eneco ben ik betrokken bij het hele proces: van de exploratieve fase tot en met de implementatie. Ik heb bijvoorbeeld geleerd te werken met datawarehouses en streamingplatforms, zoals Snowflake en Kafka. Ook kan ik nu clean code schrijven, mijn datascience-oplossingen containerizen en werken met CI/CD-pipelines. Dit stelt me in staat om complete oplossingen te leveren. Ik ben ontzettend blij als ik zie wat ik het afgelopen halfjaar al heb geleerd en ik kijk ernaar uit om uit te groeien tot een expert op het gebied van datascience. 

Maar het allerleukst? Dat is de enorme hoeveelheid data die hier beschikbaar is. Eneco heeft veel assets en van al deze assets krijgen we om de paar seconden informatie binnen. Het is veel, het is realtime en ook nog eens missiekritiek. Het is echt data heaven. Mijn werk als Data Scientist heeft directe impact op de energievoorziening en de energietransitie en draagt bij aan het doel van Eneco: klimaatneutraal in 2035.