Master’s Thesis/ Internship Project – Energy Forecasting

Locatie: Gouda
Opleidingsniveau: HBO/WO

Context

Het Nederlandse elektriciteitsnet staat onder grote druk door de snelle elektrificatie en de groei van hernieuwbare energiebronnen, wat leidt tot toenemende netcongestie. Deze uitdagingen vragen om nieuwe, innovatieve digitale oplossingen die de grenzen van het elektriciteitsnet oprekken.

In projecten voor netbeheerders (DSO’s) groeit de behoefte aan nauwkeurige energievoorspellingen binnen de afdeling bedrijfsvoering. Het doel is om de grenzen van het elektriciteitsnet tijdelijk te verleggen door het te overbelasten voorbij de statische vermogenslimieten, maar binnen de thermische limieten te blijven. Hierbij wordt gebruikgemaakt van de thermische massa om hoge pieken op te vangen en congestie te beheersen.

Via onze dochteronderneming Phase to Phase, marktleider in netberekeningssoftware in Nederland, hebben we toegang tot state-of-the-art (SotA) software en uitgebreide kennis van het elektriciteitsnet.

Onderzoeksvoorstel

Wij zoeken een getalenteerde student in de richting Informatica, Elektrotechniek, Werktuigbouwkunde, Toegepaste Wiskunde of een vergelijkbaar vakgebied, die gedreven is om bij te dragen aan de energietransitie met innovatieve digitale oplossingen.

Er vindt veel onderzoek plaats naar energievoorspelling tot 48 uur vooruit, met technieken zoals Graph Neural Networks (GNN’s), Transformers, State-Space Models of andere deep-learningmethoden die recent in wetenschappelijke literatuur verschijnen. Jij gaat de huidige stand van de techniek bestuderen, de meest veelbelovende methoden vertalen naar praktische toepassingen en een werkend prototype opleveren dat de kwaliteit van je gekozen algoritme aantoont. De benodigde energiedata met een tijdsinterval van 15 minuten is beschikbaar.

Je werkt onder begeleiding van een primaire begeleider; afhankelijk van je achtergrond, interesses en behoeften zullen aanvullende experts deel uitmaken van het begeleidingsteam. Daarnaast bieden we de ondersteuning en begeleiding die je nodig hebt om jouw persoonlijke leerdoelen te behalen.

Afhankelijk van je interesses formuleren we samen een geschikte onderzoeksvraag. Bijvoorbeeld:

• Kunnen we bestaande gradient boosting algoritmes voor energievoorspelling verbeteren met SotA technieken zoals GNN’s, Transformers of State-Space Models?
  

Ben je geïnteresseerd in het onderwerp maar sluit je achtergrond niet volledig aan, of ben je op zoek naar een praktijkgerichte (HBO-)stage? Neem gerust contact met ons op, dan proberen we samen te zoeken naar een passende oplossing.

Kernwoorden

• Energievoorspelling
  
• Congestiemanagement
  
• Deep learning
  
• Optimalisatie
  
• Netberekening

Recruiter

Dorith Baan
Tel.: 0182594000
Email: jobs@technolution.nl