Wat is jouw energielabel?

Na twee uur begaf de dataserver het al. Niet zo gek, er was haast en drukte: binnen een hackathon van een kleine week moesten de studenten van minor Data Science allemaal tegelijk de beschikbaar gestelde data over energieverbruik van Vattenfalls klanten analyseren. Met als doel: een zo accuraat mogelijk voorspelmodel voor de energielabels van gebouwen. Normaal ben je al weken lang bezig met datasets verkennen voordat je over kan gaan op opschonen, categoriseren, analyseren en voorspellen middels machine learning, stelt Rick Wolbertus, docent-onderzoeker Data Science van lectoraat Energie en innovatie. ‘Nu moesten ze dat in enkele dagen doen. Daarin zie je de kracht van een hackathon: binnen een bizar korte tijd krijg je verrassende uitkomsten; een groepje had een 84% accuraatscore in hun voorspelling voor energielabels, dat is echt knap.’

Energielabel bepalen

Van woningen tot fabriekshallen, het energielabel is een middel om de energie-efficiëntie van gebouwen te kwalificeren. Sinds begin dit jaar heeft het energielabel een metamorfose ondergaan, kent het andere kwalificeringseisen en is het bovendien verplicht geworden voor alle gebouwen. Met de nieuwe en vereenvoudigde bepalingsmethode (NTA 8800) wordt de energie-efficiëntie nu uitgedrukt in het energieverbruik per vierkante meter gebouwoppervlakte. Deze indicator is goed te vergelijken met werkelijk energieverbruik en moet beter inzicht geven in de energiezuinigheid van het gebouw. Daar kunnen maatregelen aan gekoppeld worden voor verduurzaming.

De hackathon voor energielabels is het eerste vraagstuk uit de praktijk voor studenten die voortkomt uit de tienjarige samenwerking tussen HvA Centre of Expertise Urban Technology en energieleverancier Vattenfall . De hackathon levert snel een frisse blik op, vertelt Tim Pellenkoft, data scientist bij Vattenfall. ‘De studenten, met verschillende achtergronden in onder andere journalistiek, technische bedrijfskunde en aviation, hebben andere denkbeelden die tot nieuwe inzichten leiden. Zo zagen zij patronen in bouwjaar, waar ik zelf nog niet op was gekomen. Oud bouwjaar? Vrijwel altijd een laag energielabel. Daar tegenover staan nieuwere gebouwen, die met een hoger label vaak beter zijn geïsoleerd.’

Het is aan de studenten om zulke variabelen, die invloed hebben op het energielabel, uit de data te halen. Daarin werden verrassende keuzes gemaakt, zag ook Wolbertus. ‘De data toonden enorme verschillen in verbruik tussen gebouwen van diverse industrieën. Industrieën die gigantische machines in hun gebouw gebruiken, die wil je scheiden van andere type bedrijven. Dus moet je categorieën maken en die in de voorspelling (middels machine learning-modellen) van elkaar scheiden. Zo voorkom je scheve analyses en kun je accurate verbanden leggen. Daar kwamen studenten zelf mee!’

Inzicht in verbeterpotentieel voor gebouwen

De uitkomsten uit de analyses en voorspellingen van de studenten kunnen bijdragen aan een model dat energieleveranciers, gebouwbeheerders, bouw- en installatiebedrijven inzicht geeft in het verbeterpotentieel van het energieverbruik van gebouwen. Want om de klimaatdoelen van het Parijsakkoord te halen, staat de (bestaande) gebouwde omgeving nog voor een aantal uitdagingen: significante energiebesparing, zelf zoveel mogelijk energie opwekken, energie verbruiken op de momenten dat het duurzaam wordt opgewekt en het realiseren van alternatieven voor aardgas als bron van verwarming. Heb je dat op orde? Dan mag je rekenen op een ‘perfecte’ energielabel-score A+++.

Voor veel gebouwen is het nog niet zo ver. Daarom zijn data en voorspelmodellen nuttig, aldus Pellenkoft. ‘Die bieden periodiek inzicht voor onze klanten, zodat zij kunnen sturen om vanaf 2023 het verplichte energielabel C voor kantoorgebouwen te realiseren.’ En de studenten? Vattenfall gaat met vier studenten tien weken lang voortbouwen op de inzichten uit de hackathon, om tot een eindproduct te komen zoals een verbeterd voorspelmodel. Pellenkoft: ‘Zo kunnen zij meer leren over data science-projecten in de praktijk, en stomen we studenten heel gericht klaar voor werk na de studie.’