Data-driven Physics & AI

SRON Leiden

In Leiden is de nieuwe huisvesting van SRON in gebruik genomen. Dit Netherlands Institute for Space Research – onderdeel van NWO-I – had voorheen de standplaats in Utrecht. In het kader van de samenwerking met de Universiteit Leiden en de TU Delft is een nieuw onderzoeksgebouw gerealiseerd naast het Huygens-laboratorium. Vanaf medio 2018 is in hoog tempo een ontwerp gemaakt van het gebouw, in totaal zo'n 10.000 m² bvo, en in oktober 2019 is Kuijpers-Medicomzes gestart met de bouw.

Innovatie in geluidbeheer: Dynamische geluidkaarten middels Noise Emission Mapping

Recent hebben we samen met Munisense en Embedded Acoustics, een landelijk MIT R&D AI project afgerond gericht op de ontwikkeling van dynamische geluidkaarten. Deze kaarten maken het geluidniveau in de omgeving inzichtelijk door geluidbronnen te detecteren op basis van geluidmonitoring en geavanceerde AI-technologie: Noise Emission Mapping.

Is AI de oplossing voor netcongestie?

Een complexe keten van onderlinge afhankelijkheden, dat is de uitdaging waar onze maatschappij op het gebied van de energietransitie voor staat. Klimaatverandering maakt dat de energietransitie van groot belang is. Tegelijkertijd wordt door de energietransitie ook meer van het elektriciteitsnet gevraagd, wat steeds vaker tot netcongestie leidt. Dit leidt tot instabiliteit in het net wat, gezien de elektrificatie van de maatschappij die samengaat met de energietransitie, grote gevolgen heeft. Daardoor staat netcongestie ook projectontwikkeling in de weg. 

Omzetting van zone Wet geluidhinder naar geluidproductieplafonds voor industrieterreinen

Met de intreding van de Omgevingswet per 1 januari 2024 vervalt de Wet geluidhinder. De beoordelingssystematiek van de Wet geluidhinder (Wgh) voor gezoneerde industrieterreinen wordt gewijzigd naar een geluidproductieplafond(GPP)-systematiek. Deze wijziging dient beleidsneutraal uitgevoerd te worden, wat betekent dat de maximale geluidproductie vastgesteld dient te worden op basis van bestaande rechten.  

Voorspellen van energiegebruik ten behoeve van energieflexibiliteit van gebouwen

Effectief omgaan met energie is essentieel om tot een duurzame samenleving te komen. De gebouwde omgeving is verantwoordelijk voor een significant deel van het energiegebruik van de samenleving. Peutz richt zich, als onderdeel van het Brains4Buildings consortium, een samenwerking van academische en marktpartijen, op onderzoek en ontwikkeling van AI- en machine learning-algoritmes voor optimalisatie van gebouwenergiesystemen. Een belangrijk onderdeel hierin is dat gebouwen energieflexibel worden.

Laagfrequente Elektromagnetische straling voorspellen of meten

De transitie van het gebruik van fossiele brandstoffen naar duurzame energiebronnen zorgt voor een snel groeiende vraag naar elektriciteit. Dat leidt tot meer zonne- en windenergie, meer elektriciteitstransport en uiteraard een groter stroomverbruik. Meer elektriciteit betekent meer elektromagnetische straling. Overal waar stroom gebruikt wordt, ontstaan elektromagnetische velden. Het gaat hierbij om laagfrequente straling die normaal gesproken onschadelijk is voor mens en dier, maar dan nog wel van invloed kan zijn op de werking van gevoelige apparatuur.

Elektromagnetische straling

De energietransitie zorgt voor een groter verbruik van (groene) elektriciteit. Meer elektriciteit betekent ook direct meer elektromagnetische straling. Elektromagnetische velden ontstaan bijvoorbeeld rondom hoogspanningslijnen en ondergrondse stroomkabels, maar ook bij elektrische apparatuur, zoals transformatoren. Langdurige blootstelling aan te hoge elektromagnetische veldsterktes kan volgens het RIVM en de Wereldgezondheidsorganisatie op de lange termijn leiden tot gezondheidsrisico’s.

Collega Robbert-Jan Dikken wint B.J. Max prijs 2022 in categorie 'Jong talent'

Tijdens de TVVL Techniekdag op 9 november reikte TVVL de B.J. Max Prijs uit aan 2 personen die op toegankelijke wijze een studie of onderzoek hebben gepubliceerd. Dit jaar ging de onderscheiding in de categorie bewezen expert naar Wouter van Marken Lichtenbelt en in de categorie jong talent naar Robbert-Jan Dikken. Zij ontvingen de onderscheiding uit handen van Lada Hensen Centnerová.

Toekenning landelijke MIT R&D AI: hybride AI-gedreven dynamische geluidkaarten voor de gebouwde omgeving

De laatste jaren heeft Peutz voor meerdere expertisegebieden toepassingen van artificiële intelligentie en machine learning ontwikkeld om de adviesdiensten te ondersteunen. Twee van deze ontwikkelingen zijn Noise Emission Mapping (NEM) en geautomatiseerde analyse van geluid- en trillingmonitoringdata. Dit zijn hybride systemen die AI en fysische modellen combineren en die het mogelijk maken om grote hoeveelheden monitoringdata in meer detail te duiden. Hierdoor wordt er meer informatie uit de data verkregen en ontstaat er een beter handelingsperspectief.

Gebouwen als dynamische component in het energienet

De energietransitie, essentieel is in het kader van klimaatverandering, brengt de nodige uitdagingen en systeemveranderingen met zich mee. Een voorbeeld hiervan is dat gebouwen steeds meer een actieve component in het energienet worden. Gebouwen gebruiken thermische en elektrische energie om een gewenst binnenklimaat te realiseren. Daarnaast krijgen gebouwen ook steeds meer een rol in opwekken en opslag van energie. Zo kunnen PV-panelen op bijvoorbeeld daken zonlicht omzetten in elektrische energie en kunnen constructies thermische energie opslaan.

'Wisdom of the machine crowd' - Instabiliteit in elektriciteitsnetwerken voorspellen

De dreigende gevolgen van klimaatverandering voor de maatschappij hebben een energietransitie in gang gezet. Het zwaartepunt van energieopwekking verschuift langzaam van fossiele brandstoffen naar duurzame energiebronnen zoals wind- en zonne-energie. Hierdoor ontstaat echter ook een fundamentele verandering in energieaanbod. Duurzame energieopwekking heeft een sterk fluctuerend karakter, zoals bijvoorbeeld energie uit zon of wind. Dit betekent dat vraag en aanbod van energie uit balans kunnen raken.

'Wisdom of the machine crowd' - Instabiliteit in elektriciteitsnetwerken voorspellen

Instabiliteit in elektriciteitsnetwerken voorspellen

De dreigende gevolgen van klimaatverandering voor de maatschappij hebben een energietransitie in gang gezet. Het zwaartepunt van energieopwekking verschuift langzaam van fossiele brandstoffen naar duurzame energiebronnen zoals wind- en zonne-energie. Hierdoor ontstaat echter ook een fundamentele verandering in energieaanbod. Duurzame energieopwekking heeft een sterk fluctuerend karakter, zoals bijvoorbeeld energie uit zon of wind. Dit betekent dat vraag en aanbod van energie uit balans kunnen raken.

Onderhoud voorspellen met machine learning-modellen

Installaties hebben een belangrijke rol in de vitale processen binnen onze maatschappij. Het is van groot belang dat installaties betrouwbaar functioneren. Tegenwoordig worden veel aspecten van installaties met sensoren gemonitord. Deze monitoringdata biedt interessante kansen op het gebied van onderhoud in bijvoorbeeld de industrie-, infrastructuur-, en bouwsector, maar wordt nog zeker niet in alle gevallen ten volle benut.

Meer informatie uit monitoringdata met machine learning

Peutz voert veelvuldig grote monitoringopdrachten uit, waarbij over een langere periode geluid- en/of trillingen gemeten worden. Dit resulteert in een enorme hoeveelheid data, afkomstig van verschillende bronnen. Het analyseren van deze data is vaak complex en tijdrovend. Maar wij halen met nieuwe machine-learning technieken meer informatie uit deze data dan met gangbare statistische of handmatige analyses mogelijk is. Met een clusteringalgoritme delen we de data in natuurlijke clusters in, waardoor we de statistiek per cluster inzichtelijk kunnen maken.

Analyse monitoringdata met machine learning toont verborgen structuren

Peutz voert veelvuldig metingen van bijvoorbeeld geluid en/of trillingen uit. Dit kunnen specifieke metingen over kortere duur zijn, maar ook langdurige monitoringsprojecten. Dit soort langdurige monitoringsprojecten resulteren in grote hoeveelheden data die vaak complex en tijdrovend zijn in analyse. Hierdoor wordt vaak niet de gehele dataset gebruikt. Als hulpmiddel voor de analyse is een machine learning-algoritme ontwikkeld dat een eerste ruwe analyse van de data uitvoert waar de adviseur mee verder kan.

Smart monitoring: meten 2.0

Of het nu om geluid, trillingen of elektromagnetische straling gaat, met smart monitoring kunnen wij meer informatie uit metingen halen. Door gebruik te maken van machine learning-algoritmes en fysische modellen kunnen metingen meer inzichten ontsluiten dan op basis van de data alleen. Deze inzichten leiden tot gedetailleerde prognoses en advies.

Data-driven Physics & AI

Slim omgaan met data door het construeren van specifieke algoritmes en daarmee binnen onze verschillende vakgebieden meerwaarde creëren. Dat is wat wij onszelf ten doel stellen.

Onderscheidend is onze integrale benadering van machine learning, fysische modellen, geavanceerde meetmethodieken en dataverwerking, waarmee hoogwaardige oplossingen voor complexe vraagstukken kunnen worden gevonden.

Machine learning en data science

Wie de actualiteiten volgt zal wellicht weten dat er een transitie gaande is naar een data-gedreven maatschappij. Door toepassing van sensoren en dataopslag komen steeds meer digitale gegevens beschikbaar. De totale hoeveelheid data in de wereld betreft inmiddels miljarden gigabytes. Elke 2 tot 3 jaar verdubbelt de hoeveelheid data wat tevens leidt tot een toename van data-utilisatie. Hier kan bijvoorbeeld worden gedacht aan het optimaliseren van logistieke processen ten behoeve van kostenreductie.

Abonneer op Data-driven Physics & AI