Rapporten

Rapport onderzoekt hoe thuisbatterijen flexibel kunnen worden ingezet zonder afschakeling en datacenters van stroom kunnen voorzien

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Conceptual illustration of residential batteries connected through an electricity substation to a data center.

Het rapport Flexibiliteit ontsluiten zonder afschakeling van Piq Energy onderzoekt hoe gecoördineerde thuisbatterijen kunnen helpen grote elektriciteitsverbruikers aan te sluiten op elektriciteitsnetten met beperkte capaciteit. Het rapport, gepubliceerd op 29 oktober, beschrijft een project met Base Power waarbij gerichte inzet van batterijen de gemodelleerde overbelasting van het transmissienet oploste die werd veroorzaakt door een voorgestelde belasting van 100 MW nabij Fort Worth, Texas.

De bevinding is relevant voor AI-datacenters, die voor hun toegang tot elektriciteit afhankelijk zijn van zowel het vermogen van het netwerk om stroom te leveren als de beschikbaarheid van elektriciteitsopwekking. Ook krijgt AI hiermee een tweede rol: Piq gebruikt een platform voor agentgestuurde planning om de technische analyse te organiseren die nodig is om mogelijke oplossingen voor het elektriciteitsnet te beoordelen.

Thuisbatterijen als hulpmiddel bij de planning van het transmissienet

Base Power ontwikkelt, installeert en beheert batterijsystemen voor woningen. Het bedrijfsmodel combineert noodstroom voor huishoudens met gecoördineerde inzet die het elektriciteitsnet kan ondersteunen. Dezelfde batterij voorziet dus in een lokale behoefte aan leveringszekerheid en maakt deel uit van een groter, centraal aangestuurd systeem.

De vraag bij de planning is waar deze hulpbron verschil kan maken. Extra vraag verandert de energiestromen in een netwerk, en de meest effectieve locaties voor batterijen hoeven niet naast de klant te liggen die een aansluiting zoekt. Door op de ene locatie op te laden en op een andere locatie te ontladen, kunnen energiestromen worden weggeleid van een overbelast onderdeel van het transmissienet.

De pilot van ERCOT voor geaggregeerde, gedistribueerde energiebronnen biedt een kader waarbinnen meerdere locaties die op het distributienet zijn aangesloten gezamenlijk kunnen reageren op inzetinstructies. De registratie-, telemetrie- en kwalificatievereisten laten zien waarom het coördineren van een groep batterijen ingewikkelder is dan alleen de nominale vermogens van afzonderlijke batterijen bij elkaar optellen.

Wat de studie naar Burleson Switch heeft uitgewezen

Het rapport onderzoekt een voorgestelde aansluiting bij Burleson Switch, in het servicegebied van Oncor. Een extra belasting van 100 MW leidde tot acht thermische beperkingen op vijf transmissievoorzieningen. Gecoördineerde inzet op 11 locaties hief in het model alle acht beperkingen op en vereiste daarvoor een bruto batterijvermogen van ongeveer 81,5 MW.

Het scenario met de hogere belasting laat zien dat de meeropbrengst afneemt:

G emodelleerde nieuwe belasting Bruto batterijvermogen Opgeheven thermische beperkingen
100 MW 81,5 MW 8 van 8
200 MW, efficiënt portfolio 296,3 MW 25 van 30
200 MW, portfolio dat alle beperkingen opheft 1.245,5 MW 30 van 30

Het eerste geval is aanleiding om gedistribueerde batterijen verder te onderzoeken. Het tweede laat zien waarom hun nut afhangt van de locatie en de omstandigheden op het netwerk: voor het opheffen van de laatste paar beperkingen kan een veel groter portfolio nodig zijn. Een combinatie van flexibele hulpbronnen en conventionele netverzwaring kan praktischer zijn.

Waarom 81,5 MW niet de stroomvoorziening van het datacenter is

De achterliggende technische whitepaper, gedateerd 1 september, maakt onderscheid tussen het bruto ingezette vermogen en de netto-injectie. In een uitgewerkt storingsscenario leveren batterijen 43,2 MW, terwijl andere batterijen 38,2 MW afnemen. De netto-injectie bedraagt dan 5 MW.

De batterijen herverdelen de energiestromen; ze leveren niet de volledige belasting van 100 MW. De nieuwe klant heeft nog steeds een energievoorziening nodig; de gemodelleerde ingreep pakt overbelasting van het transmissienet aan. Ook verschilt het batterijvermogen, uitgedrukt in MW, van de opgeslagen energie, uitgedrukt in MWh. Die bepaalt hoelang een reactie kan aanhouden.

De rol van agentische AI in de engineering van elektriciteitsnetten

De technologie van Piq combineert gegevens over elektriciteitsnetten, simulatie-engines en herhaalbare technische werkprocessen. De planningsagent Delphi helpt bij het opzetten van studies, het verkennen van netwerkmodellen, het vergelijken van resultaten en het opstellen van rapporten, terwijl ingenieurs de beslissingsbevoegdheid behouden.

Het bedrijf beschrijft een systeem waarin opdrachten in natuurlijke taal helpen om deterministische analyses te coördineren. Dankzij parallelle uitvoering van studies kunnen meer scenario’s worden getest, en blijven de resultaten gekoppeld aan specifieke modelversies. Dat onderscheid is essentieel voor de bijdrage van AI: een taalmodel kan helpen het werk te organiseren, zonder de vermogensstroomberekeningen te vervangen waarmee een elektriciteitsnet wordt beoordeeld.

In het interview van Unite.AI met medeoprichter en CEO Tom Nudell benadrukte hij het belang van reproduceerbaarheid en de hoeveelheid werk die komt kijken bij het coördineren van specialisten, het definiëren van analyses en het bouwen van bruikbare modellen. Dit rapport laat die strategie zien in een concrete toepassing. Piq zegt het project in dagen te hebben afgerond, tegenover de maanden die volgens het bedrijf nodig zouden zijn voor een conventionele aanpak; die vergelijking is de inschatting van het bedrijf en geen onafhankelijk gecontroleerde benchmark.

Wat nog moet worden aangetoond

In het technische onderzoek wordt een analyse van gelijkstroomvermogensstromen uitgevoerd en worden thermische beperkingen beoordeeld. Wisselstroomvermogensstromen, spanning, stabiliteit, communicatie en operationele betrouwbaarheid moeten vóór de implementatie nader worden onderzocht. Omdat de optimalisatie geen rekening houdt met prijzen, stelt ze niet vast wat de commercieel goedkoopste oplossing is.

De numerieke resultaten gelden voor het onderzochte aansluitpunt, de veronderstelde vloot en de netomstandigheden. Ze zijn niet rechtstreeks overdraagbaar op een andere locatie. Ook stelt het model op zichzelf niet vast dat er sprake is van een goedgekeurde, operationele aansluiting met gegarandeerd vermogen.

Base’s bespreking van de aggregatie van gedistribueerde energiebronnen verklaart de commerciële belangstelling voor het erkennen van batterijen op specifieke locaties in het transmissienet. Voor ontwikkelaars bestaat de kans erin flexibiliteit te beoordelen naast uitbreiding van de infrastructuur. Voor netbeheerders blijven een betrouwbare aansturing en de regels voor het gebruik daarvan essentieel.

Een gerichtere aanpak van beperkingen op de stroomvoorziening van datacenters

Het rapport wijst op een praktische rol voor AI bij de planning van infrastructuur: het kan eenvoudiger maken om combinaties van energiebronnen te onderzoeken, vast te stellen waar ze helpen en zichtbaar te maken waar hun voordelen afnemen. Snellere analyses kunnen leiden tot betere projectkeuzes, ook wanneer de conclusie is dat batterijen alleen niet volstaan.

Lezers kunnen de bevindingen nalezen in Flexibiliteit ontsluiten zonder afregeling en de aannames en beperkingen bekijken in het bijbehorende technische witboek. Samen vormen deze documenten een pleidooi voor het testen van de coördinatie van thuisbatterijen als onderdeel van de netplanning voor datacenters, waarbij technische validatie bepaalt waar dit nuttige capaciteit kan opleveren.

Theo Nash is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI‑infrastructuur, rekenkracht en de hardware‑systemen die moderne kunstmatige intelligentie aandrijven, behandelt. Zijn werk richt zich op de technische basis van grootschalige AI‑werkbelastingen, inclusief datacenters, versnellers, netwerken en de software‑stacks die ze met elkaar verbinden.

Met een analytisch en engineering‑gedreven perspectief onderzoekt Theo hoe vooruitgang in GPU's, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI‑modellen mogelijk maakt. Hij besteedt bijzondere aandacht aan prestatie‑afwegingen, energie‑efficiëntie, schaalbaarheid en de praktische beperkingen die de implementatie van AI‑infrastructuur in de echte wereld vormgeven.

Artikelen geschreven door Theo Nash zijn AI‑gegenereerd en worden beoordeeld door de redactie van Unite.AI om technische nauwkeurigheid, helderheid en verantwoordelijke berichtgeving over het snel evoluerende AI‑rekenlandschap te waarborgen.