Meten is weten, zeker in de energietransitie. Maar we hebben pas echt iets aan meetgegevens als we ze verwerken in geautomatiseerde systemen, betoogt hoogleraar Building Energy Epidemiology Laure Itard in haar intreerede.
Gepubliceerd in PropertyNL Magazine nr. 4, 24 april 2020
Slim gebruik van ‘big data’ voorkomt dat energiesystemen suboptimaal blijven werken.
Vanuit de nieuwe leerstoel Building Energy Epidemiology aan de TU in Delft houdt Itard zich bezig met verzamelen en verwerken van relevante gegevens over energieverbruik, onderzoek naar geschikte algoritmes en ontwikkeling van kennis over interacties tussen gebouw, systeem en gedrag. Dat maakt niet alleen datagedreven monitoring van de prestaties van systemen en gebouwen mogelijk, maar ook controle op het gevoerde beleid. Kloppen de modellen wel waarop dat is gebaseerd?
Veronderstellingen over het effect van grootschalige verduurzamingoperaties bleken al verschillende keren niet te kloppen. Dat komt in de eerste plaats doordat het gedrag van mensen anders is dan verondersteld. Daarnaast zijn ook de eigenschappen van de gebouwconstructie onbekend. Wie heeft er bijvoorbeeld wel en wie niet isolerende maatregelen genomen in zijn woning? Itard: ‘Op basis van data, sensoren en machine learning onderzoeken wij hoe we geautomatiseerd kunnen achterhalen hoe het zit met de isolatie, de infiltratie van lucht en andere gegevens van een woning.’
Als dat lukt, komt de volgende stap ook in beeld: het verbeteren van de werking van de steeds complexere energiesystemen. Volgens berekeningen is het mogelijk om het rendement daarvan wel 20–30% op te krikken. ‘Onze data kunnen helpen door terugkoppeling aan de ontwerpers’, zegt Itard. ‘Ze kunnen op basis daarvan betere systemen en gebouwen bouwen én de resultaten real time monitoren. Dan maak je echte stappen vooruit.’
