Blog

Netcongestie oplossen met AI‑gedreven energieflexibiliteit

In het Brains4Buildings-programma is onderzocht hoe organisaties netcongestie kunnen oplossen door slim gebruik te maken van energieflexibiliteit en AI‑gestuurde Model Predictive Control (MPC). TVVL Magazine schrijft erover.

TVVL

4 maart 2026 | 3 minuten lezen

Lees TVVL Magazine 1-2026

Netcongestie vormt een van de grootste hindernissen in de energietransitie. Ondanks ambities om te verduurzamen lopen gebouwen, bedrijven en ontwikkelprojecten vast doordat het elektriciteitsnet op piekmomenten onvoldoende capaciteit heeft. Het probleem ligt niet in het totale energiegebruik, maar in de korte, kritieke piekvermogens die ontstaan door elektrificatie van warmte, mobiliteit en variabele opwekking.

Energieflexibiliteit, gecombineerd met AI en Model Predictive Control (MPC), biedt een krachtig handelingsperspectief om deze pieken te dempen — zonder comfortverlies en zonder zware netinvesteringen.

Waarom netcongestie oplossen essentieel is voor de gebouwde omgeving

Door beleidsmaatregelen zoals EPBD IV versnelt de elektrificatie van warmte en mobiliteit. Dit verhoogt de druk op de netinfrastructuur, zeker op momenten waarop vraag en aanbod elkaar niet in de juiste verhouding ontmoeten. Prognoses richting 2030 en 2050 laten zien dat het aandeel elektriciteit in het primaire energiegebruik sterk toeneemt, terwijl gas afneemt.

Prognose primair energiegebruik 2030 en 2050 volgens FIEN+

De gevolgen zijn zichtbaar:

vertraging van nieuwbouw en renovatie
geen nieuwe aansluitingen mogelijk
stagnatie in verduurzamingsprojecten
noodzaak tot kostbare netverzwaringen

Het knelpunt zit echter niet in jaargemiddeld verbruik, maar in kortdurende pieken. Dat betekent dat de oplossing ook in piekreductie ligt — niet per se in meer kabels.

Energieflexibiliteit: de sleutel tot het oplossen van netcongestie

Energieflexibiliteit betekent het actief sturen van vermogen door de tijd. Daarbij blijft functionaliteit gelijk, maar worden verbruik en opwek optimaal verspreid.
Concreet gaat het om:

slim schakelen van HVAC
benutten van thermische massa
dynamisch inzetten van batterijen
intelligent laden van elektrische voertuigen
koppelen van lokale opwek aan gebruik

Door het referentieprofiel (huidig verbruik zonder sturing) te vergelijken met een geoptimaliseerd profiel, worden pieken afgevlakt en verschoven naar gunstige momenten.

De zes parametergroepen die energieflexibiliteit mogelijk maken

Volgens het onderzoek binnen het Brains4Buildings‑programma is meten en voorspellen cruciaal. De flexibiliteit wordt gestuurd op basis van zes parametergroepen:

Weerdata
Lokale opwekking (PV)
Netcondities
HVAC‑installaties
Elektrisch vervoer
Lokale opslag en buffers

Door deze parameters realtime te combineren ontstaat een krachtige basis voor voorspellende sturing.

Netcongestie oplossen met Model Predictive Control

MPC zorgt voor een continu cyclisch proces van:

voorspellen
optimaliseren
uitvoeren
monitoren
bijstellen

MPC combineert fysieke gebouwkennis met datagedreven AI‑modellen. Zo kan een gebouw anticiperen in plaats van reageren, bijvoorbeeld door:

’s ochtends vroeg thermisch voor te verwarmen
op zonnige middagen batterijcapaciteit te laden
EV‑laadmomenten te verschuiven
HVAC‑piekgelijktijdigheid te voorkomen

Dit voorkomt congestie zonder dat gebruikers iets merken.

Praktijkcase: netcongestie oplossen door intelligent laden van EV’s

Traditioneel laden EV’s direct na aankomst — precies wanneer HVAC en andere systemen al een vraagpiek veroorzaken. Het resultaat: zware piekbelasting.
Met AI‑gedreven laadoptimalisatie worden laadsessies opnieuw ingepland: