Scriptiebank overzicht

‘Het besparingspotentieel van een Energie Management Systeem (EMS)’
Student: Walter D’Amico – AP Hogeschool Antwerpen
Stageplaats: VEKA – Vlaams Energie- en Klimaatagentschap
Opleiding: Professionele bachelor Energiemanagement (2024-2025)
In een energiemarkt gekenmerkt door prijsschommelingen, capaciteitsheffingen en digitalisering, worden huishoudens en KMO’s uitgedaagd om hun verbruik slimmer te beheren. Energie Management Systemen (EMS’en) vormen hierbij een sleuteltechnologie: ze sturen het verbruik automatisch op basis van realtime prijs- en netdata. Toch blijft de rendabiliteit ervan voor veel gebruikers onduidelijk. Deze bachelorproef brengt daar verandering in.
Ik ontwikkelde een interactieve rekenmodule die op basis van gebruikersinput – zoals woningtype, toestellen, gedrag en contractvorm – de Total Cost of Ownership (TCO) en de Terugverdientijd (TVT) van een EMS berekent. Via Google Sheets en Apps Script wordt automatisch een gepersonaliseerd rapport gegenereerd, inclusief scenariovergelijking, besparingsgrafieken en benchmarkanalyse.
De tool werd ontworpen met reproduceerbare logica, gevoeligheids- en correctiefactoren, en werd getest op meer dan 550 realistische scenario’s. De resultaten tonen dat voor gebruikers met meerdere regelbare toestellen en een dynamisch of een contract bij een Flexibility Service Provider of aggregator, de jaarlijkse besparing kan oplopen tot honderden euro’s, met een gemiddelde terugverdientijd van net boven de 5 jaar. Daartegenover staan profielen waar de investering minder loont – wat de nood aan maatwerk aantoont.
Het project is technisch en beleidsmatig relevant. VEKA gaat deze rekenmodule zeker verder bespreken om te integreren in de website www.maakjemeterslim.be en zal dan worden ingezet in campagnes van VEKA als extra stimulans om potentiële gebruikers te overtuigen. Daarnaast is het inzetbaar als simulatie-instrument bij energieloketten, netbeheerders of leveranciers die contractoptimalisatie en flexibiliteitsdiensten willen ondersteunen. De methodiek is uitbreidbaar naar andere technologieën (zoals warmtepompen of batterijen) en types aansluitingen (zoals AMR).
Deze bachelorproef koppelt praktijkervaring, innovatie en systeeminzicht met een breed maatschappelijk nut. Het biedt gebruikers helderheid, en beleidsmakers een onderbouwde basis om het potentieel van EMS’en gericht te stimuleren in het kader van de energietransitie.

Deze masterproef onderzoekt hoe batterijsystemen optimaal kunnen worden aangestuurd in een context van dynamische elektriciteitsprijzen en het Belgische capaciteitstarief. De focus ligt op industriële verbruikers, waarbij gestreefd wordt naar het minimaliseren van de totale energiekost.
Een nieuw Rolling Horizon Linear Programming (RHLP)-algoritme werd ontwikkeld en
vergeleken met een eenvoudig heuristisch basisalgoritme. Het RHLP-algoritme gebruikt PV-opbrengst, dynamische prijzen en verbruiksvoorspellingen op basis van Extreme Gradient Boosting (XGBoost) om de laad- en ontlaadbeslissingen te optimaliseren over een tijdshorizon van 48 uur. Deze horizon schuift mee met de tijd (rolling
horizon), waarbij de optimalisatie om de 15 minuten wordt herhaald. De PV-opbrengst
werd in de standaardconfiguratie benaderd via werkelijke historische waarden.
De algoritmes werden geëvalueerd aan de hand van uitgebreide simulaties op reële
verbruiksprofielen en historische Belpex-prijsdata. De resultaten tonen aan dat onder
de juiste omstandigheden het RHLP-algoritme tot 20% kostenbesparing kan realiseren
in vergelijking met het basisalgoritme.
Nacht- en weekendverbruik bleek een bepalende factor in de behaalde optimalisatiewinst, wat duidt op een duidelijke invloed van het verbruiksprofiel op het prestatiepotentieel van het algoritme. Daarnaast bleken ook parameters zoals batterijcapaciteit
en prijsschommelingen op de markt van doorslaggevend belang voor de gerealiseerde
resultaten.
Dit onderzoek toont aan dat batterijsturing op basis van verbruiksvoorspellingen via
lineaire optimalisatie kostenbesparingen kan opleveren.

Toegang tot duurzame energie blijft een uitdaging in Tanzania, waar het gebruik van traditionele biomassa zoals hout en houtskool bijdraagt aan gezondheidsrisico’s en milieudegradatie. Biogas uit organisch afval biedt een alternatief, maar moet gezuiverd en gecomprimeerd worden om de kook efficiëntie te verbeteren en distributie mogelijk te maken. Deze thesis ontwikkelt een systeem om biogas, geproduceerd in Kimbiji, te zuiveren en te comprimeren. Daar produceert een anaerobe vergister ongeveer 100 l gas per dag met 35 % kooldioxide (CO2) en 260 ppm waterstofsulfide (H2S), wat moet reduceren tot 25 % CO2 en 5 ppm H2S.

Een testopstelling aan Ardhi University bood de mogelijkheid om verschillende zuiveringstechnieken te vergelijken. Twee CO2-verwijderingsmethoden werden getest: absorptie met calciumhydroxide (Ca(OH)2) en waterscrubbing. Voor de H2S-verwijdering werden vier lokale absorberende materialen getest.

Voor de opstelling in Kimbiji zijn Ca(OH)2-absorptie en verroeste ijzerwol voor CO2- en H2S-verwijdering gekozen. De CO2 concetratie bereikt 16% en het H2S-gehalte daalt tot 2 ppm. Om distributie te realiseren, wordt het gas gecomprimeerd tot 8 bar met zonne-energie en opgeslagen in LPG-tanks.

Een techno-economische analyse toont dat kleinschalige biogaszuivering leidt tot een genivelleerde kostprijs van 1 572 TZS/kWh, wat niet rendabel is. Voor een groter systeem, in dit werk voorgesteld om 6 500 l biogas per dag te verwerken, bleek de kost slechts 241 TZS/kWh. Dit evenaart de lokale alternatieven.

De scriptie test de koppeling uit van een CME simulatiemodel met verschillende voorspellingsmodellen voor geomagnetische indices. Voor de resultaten hiervan worden dan verschillende statistische maatstaven berekend om te kwantificeren hoe goed de voorspellingen zijn na deze koppeling.

Solar power forecasting is essential for optimizing energy use in residential households.
Machine learning models are promising for this power forecasting because they can
capture its non-linear characteristics. Nonetheless, these models require a significant
amount of data that is unavailable for new installations. To overcome the limited
data availability, this thesis proposes a transfer learning model using Long ShortTerm Memory (LSTM) networks trained on synthetic photovoltaic (PV) generation
provided by the Photovoltaic Geographical Information System. Using the metadata
about a PV installation, this synthetic data simulates the past production of the
new PV installation. The model utilizes Numerical Weather Predictions (NWP)
and autoregressive covariates. This proposed model is compared to benchmarks,
including models trained only on sites’ actual PV power, physical models, and TL
models with no weather covariates.
The research investigates the effect of physics-informed variables on the accuracy
of transfer learning. Furthermore, it examines the usage of reanalysis data to train
with synthetic PV data due to the low accessibility of historical Numerical Weather
Prediction output. Walk-forward validation is employed for forecasting the actual
PV power to simulate real-life conditions and the impact of increasing target data.
The results demonstrate that models trained with historical Numerical Weather
Prediction data achieve higher zero-shot forecasting accuracy. Contrary to expectations, including physics-informed variables did not enhance performance; in fact,
it showed a slight decrease. Additionally, models trained on reanalysis data catch
up with those trained on historical NWP data once limited target data becomes
available.
Discussion highlights include the impact of Storm Darcy in February 2021, which
caused instability in machine learning models and the suitability of other ML models.
The proposed LSTM-based transfer learning model can provide accurate forecasts
even with no or limited actual PV power data, proving its potential for practical
applications in solar power forecasting for residential households.

Accurate electricity price forecasting is critical in today’s volatile energy markets, particularly with the increasing penetration of renewable energy sources. This thesis aims to
compare the increasingly popular deep learning techniques with established statistical
models for electricity price forecasting in the Belgian day-ahead market. The comparative study uses a deep learning method called Long Short-Term Memory (LSTM) and
a statistical LASSO-Estimated Auto-Regressive (LEAR) model both in predicting price
values as well as quantifying their uncertainty. The main findings reveal that the LEAR
model outperforms the LSTM model in terms of accuracy and computation time. The
study emphasizes the importance of recalibration for improving forecasts and challenges the notion that deep learning models always outperform statistical methods.
The research contributes to the literature by providing insights into the effectiveness of
different forecasting models in the field of electricity price prediction.

De thesis betreft het ontwerp van een geoptimaliseerde DC/DC converter voor het efficiënt aandrijven van elektrolyse op industriële schaal.

Met thermische seizoensopslag kan zonne-energie uit de zomer worden opgeslagen tot in de winter om te gebruiken voor de verwarming van woningen. De opslagtechnologie wordt gecombineerd met andere componenten in een globaal warmtenetwerk. In de thesis worden verschillende concepten voor zo'n warmtenetwerk met seizoensopslag ontworpen en vervolgens geëvalueerd op CO₂-uitstoot en kostprijs.

Een data-efficiënte controle-eenheid is ontworpen met behulp van reinforcement learning en gebruik makend van transfer learning om zo een optimale controle te realiseren op het laagspanningsnetwerk. Als flexibiliteitsbronnen worden batterijen en zonnepanelen gebruikt.

Om de energieproblemen van het Senegalese pluimveebedrijf 'Le Coquetier Social' op te lossen hebben we een windmolen ontworpen. Dit is een windmolen die platgelegd kan worden, waardoor de opbouw en het onderhoud veiliger kunnen gebeuren.

Binnen deze thesis wordt de integreerbaarheid van hernieuwbare technologieën (warmtepomp, zonnepanelen en zonnecollectoren) met het productieproces van sanitair warm water bestudeerd. In een eerste deel wordt gekeken welke invloed de dimensionering en de aansturing van de hernieuwbare technologieën heeft op verschillende outputkarakteristieken van elk systeem. Hierna volgt een vergelijking tussen de hernieuwbare technologieën voor verschillende scenario's om te kijken welke technologie het meest geschikt is voor de productie van sanitair warm water. Deze vergelijking gebeurt op basis van energetische, economische en ecologische aspecten.

Deze scriptie onderzoekt of thuisbatterijen een oplossing kunnen bieden voor toekomstige problemen op het distributienet ten gevolge van de toename van hernieuwbare energietechnieken.

Degraeve en Nys bespreken het potentieel van peer-to-peer handel binnen microgrids als compensatiemethode voor prosumenten in een meer en meer decentrale energiemarkt.

Een ontwikkelingscentrum in Togo had dringend nood aan een hernieuwbare energie-installatie die op lange termijn gebruikt kon worden om stroomonderbrekingen te overbruggen. Daarom werd een business model ontwikkeld voor zowel de installatie alsook voor een 20-tal powerbanks die hierop aangesloten worden voor de omwonende gezinnen. Met de winst van de verhuur van deze powerbanks kan het centrum de installatie onderhouden en blijvend gebruiken.

In deze scriptie wordt een methode bestudeerd om het magnetisch veld in de atmosfeer van de zon, i.e. de corona, te bepalen. Dit magnetisch veld veroorzaakt zonne-uitbarstingen die, wanneer ze gericht zijn naar de aarde, grote schade kunnen aanrichten aan onze sattelieten en andere technologie op aarde.

Modelleren van een ondergrondse opslagruimte voor gecomprimeerde lucht voor energieopslag. Het onderzoekt focust op het thermo-hydraulisch gedrag en de lekkage van lucht naar de omgeving. Het doel bestond erin een set van optimale condities te definiëren voor dergelijke installatie.

De toekomst van ons elektriciteitsnetwerk“Gaat deze winter het licht uit?” Het is een wederkerende krantenkop de laatste drie jaar, maar is deze vrees ook gegrond?Niemand zal ontkennen dat het elektriciteitsnetwerk voor grote uitdagingen staat. Onze huidige productiemiddelen voor de opwekking van elektriciteit hebben een groot aandeel in de totale uitstoot van broeikasgassen en werken zo de opwarming van de aarde in hand. De Europese Unie heeft daarom beslist dat we op lange termijn moeten overgaan naar propere en hernieuwbare energiebronnen zoals wind- en zonne-energie.

De Leuvense wederopbouw na de Eerste Wereldoorlog: niet gewoon een kwestie van bakstenen en betonLeuven kreeg in 1914 wereldwijde aandacht toen het Duitse leger de stad en haar befaamde universiteitsbibliotheek in lichterlaaie zette. De stad figureerde prominent in propagandacampagnes, die de boodschap van Brave Little Belgium en Duitse barbarij verspreidden. Gezien de symbolische waarde van de vernieling van deze stad, werd in deze thesis gekeken naar de berichtgeving over haar wederopbouw.

In 2014 werden drie kerncentrales in België gesloten door technische problemen. Hierdoor kwam de elektriciteitsvoorziening in het gedrang en dit zou voornamelijk tijdens de piekmomenten in de winter een groot probleem kunnen zijn.De federale regering en hoogspanningsnetbeheerder, Elia, stelden een plan op voor als er zich effectief een stroomtekort zou voordoen. Het zogenaamde ‘afschakelplan’ houdt in dat grote regio’s zouden afgeschakeld worden van het net wanneer er niet voldoende elektriciteit kan geproduceerd worden.

Slimme elektriciteitsnetten: de oplossing voor het energieprobleem?door Jonas Engels en Dries GuldentopsDe opwarming van de aarde leidt tot een groeiende bewustwording dat de uitstoot van broeikasgassen sterk verminderd moet worden om de globale temperatuurstijging te beperken. Dit zorgt ervoor dat het aandeel van fluctuerende hernieuwbare energiebronnen in de elektriciteitsproductie toeneemt. Opdat het elektriciteitssysteem zou kunnen omgaan met deze onvoorspelbare, variërende energiebronnen heeft het een grote graad van flexibiliteit nodig.

Een stap richting een efficiëntereelektriciteitsvoorziening Hoewel het aandeel hernieuwbare energie en elektrische wagens in de lift zit,is het huidige elektriciteitsnet daarop niet voorzien. Technici denken dan ookgrondig na over hoe het anders en efficiënter kan. Een aanbeveling om onzeenergiefactuur te verminderen: gebruik meer gelijkspanning i.p.v.wisselspanning in het elektriciteitsnet. Uitdagingen voor het huidige elektriciteitsnetEen van de problemen waarvoor weinig media-aandacht bestaat, is demodernisering en uitbreiding van het bestaande elektriciteitsnet.

Zonne-energie op industriële daken: het relaas van een bedreigde sector?Rond zonnepanelen was het voorbije jaar heel wat te doen: terwijl in het parlement en achter de schermen volop werd gediscussieerd over een nieuwe subsidieregeling kregen we van de netwerkbeheerders te horen dat onze jaarlijkse energiefactuur tot 70 € zou verhogen. En dit omwille van de wildgroei aan zonne-energie installaties: de beheerders van het elektriciteitsnetwerk dienen immers een vergoeding te betalen aan iedereen die elektriciteit opwekt uit zonnestralen - de zogenaamde groenestroomcertificaten-.

 
 
Master Duurzame Ontwikkeling en Menselijke Ecologie
 
Waterstof onderweg
Milieu-impact van waterstof in personenwagens
 
            Waterstof wekt de laatste jaren veel interesse. Ook de automobielindustrie laat van zich horen omdat ze in waterstof een potentiële, niet-vervuilende toekomstige brandstof zien. Toch is de effectieve ecologische impact van waterstof in voertuigen nooit concreet onderzocht. In deze thesis worden de verschillende waterstofproductiemethoden gecombineerd met verschillende wijze om waterstof te transporteren en op te slaan.

Inleiding


Networking is vandaag de dag een hot topic. Het is alomtegenwoordig en dit zeker niet alleen in mens-mens interacties maar tevens in machine-machine communicatie. Steeds meer streven we naar een moderne thuisomgeving waar niet alleen de PC's onderling communiceren, maar ook de vaatwasmachine en de koelkast hun zegje hebben. Maar wat is er momenteel voor handen om deze droom te verwezenlijken en wat lijkt hiervoor de beste oplossing?