Binnen ons R&D-team zijn we opvallend weinig bezig met batterijen. Dat klinkt vreemd voor een bedrijf dat Big Ass Battery heet, maar het is wel de realiteit. Een groot deel van onze tijd gaat vandaag naar software. Naar algoritmes die energie-assets leren begrijpen. Naar machine learning die afwijkingen herkent. Naar AI die duizenden parameters tegelijk afweegt en zelfstandig beslissingen neemt. In deze blog praten we je bij over hoe wij AI gebruiken om ons energiemanagementsysteem te blijven ontwikkelen.
Een batterij doet in essentie één ding: energie opslaan en opnieuw afgeven. Dat principe verandert nauwelijks, ook al worden batterijen steeds krachtiger, compacter en goedkoper.
De complexiteit ontstaat pas wanneer die batterij deel wordt van een veel groter geheel. Binnen een moderne bedrijfsomgeving moet de batterij voortdurend rekening houden met tientallen factoren tegelijk, zoals:
Dat is geen vraagstuk meer dat hardware alleen kan oplossen. En precies daar ligt vandaag de grootste R&D-uitdaging.
Veel energiemanagementsystemen werken op dit moment nog volgens een klassieke regelgebaseerde aanpak. In essentie komt dat neer op eenvoudige logica zoals:
Dat werkt prima zolang de werkelijkheid zich ook netjes aan die regels houdt.
Maar energie is zelden zo voorspelbaar. Wat als de weersverwachting aangeeft dat er binnen een uur veel zonne-energie aankomt? Wat als de stroomprijs straks negatief wordt? Of wanneer drie elektrische vrachtwagens tegelijk terugkeren naar de site?
Op dat moment loop je tegen de grenzen van vaste regels aan. Daarom interpreteert ons energiemanagementsysteem zelf de context en neemt op basis daarvan betere beslissingen.
Een batterij lijkt op papier misschien identiek aan een andere batterij, maar in de praktijk gedraagt elke installatie zich anders. Temperatuur, leeftijd, gebruiksprofiel en laadcycli hebben allemaal invloed op de prestaties.
Daarom onderzoeken we hoe machine learning rechtstreeks op assetniveau kan worden ingezet. Via de Load Commander leert het systeem hoe een specifieke installatie zich in de praktijk gedraagt. Niet alleen welke technische specificaties hij heeft, maar vooral hoe hij werkelijk presteert onder verschillende omstandigheden.
Die aanpak biedt verschillende voordelen:
Dat laatste bevindt zich op dit moment nog in de onderzoeksfase, maar toont wel de richting waarin intelligente energieplatformen evolueren.
Machine learning op één batterij is waardevol, maar een bedrijf bestaat zelden uit één energiebron. De echte uitdaging ontstaat wanneer tientallen verschillende assets tegelijk moeten samenwerken.
Daarom werken we aan een centrale AI-agent die voortdurend informatie combineert uit onder meer:
Het systeem bekijkt niet één parameter tegelijk, maar probeert de volledige context te begrijpen. Vervolgens bepaalt het welke actie op dat moment de meeste waarde oplevert.
Dat lijkt misschien een klein verschil, maar voor ons is het fundamenteel. We willen evolueren van software die reageert naar software die anticipeert.
Wanneer mensen aan softwareontwikkeling denken, denken ze vaak aan dashboards of gebruikersinterfaces. In werkelijkheid gaat een groot deel van onze R&D naar iets fundamentelers: uiteenlopende energie-assets met elkaar laten communiceren.
Iedere fabrikant werkt met eigen:
Onze ambitie is niet om één batterij slimmer te maken, maar om totaal verschillende systemen als één geheel te laten samenwerken.
Daarom speelt de Load Commander zo’n belangrijke rol. Hij vormt de brug tussen uiteenlopende energie-assets en het energiemanagementsysteem, zodat informatie niet langer opgesloten blijft in afzonderlijke systemen.
Misschien is dat uiteindelijk wel de grootste uitdaging. Niet de AI. Niet de cloud. Niet de algoritmes. Maar eenvoud.
Hoe slimmer een energiesysteem wordt, hoe minder de gebruiker daar eigenlijk van zou mogen merken. Een bedrijfsleider wil geen honderden parameters beheren. Hij wil gewoon kiezen wat vandaag belangrijk is:
De software hoort vervolgens zelf de optimale keuzes te maken. Dat is waar onze R&D uiteindelijk naartoe werkt. Niet naar meer technologie aan de voorkant, maar naar een systeem dat de complexiteit volledig op de achtergrond oplost.
Want volgens ons is dat de toekomst van energiebeheer: niet méér technologie zichtbaar maken, maar ervoor zorgen dat je ze nauwelijks nog hoeft op te merken.