Hoogfrequente energiedata uit een duurzame industriële productieomgeving in Karlsruhe

Waarom energiegegevens van fabrieken ertoe doen

Achter elke smartphone, auto of zonnepaneel schuilt een wirwar van machines die stilletjes elektriciteit verbruiken. Fabrieken gebruiken ongeveer twee vijfde van de wereldwijde energie, maar we zien zelden hoe die energie seconde voor seconde wordt besteed. Dit artikel introduceert een ongewoon gedetailleerde openbare dataset die onderzoekers en ingenieurs in staat stelt het elektrische kloppen van echte industriële machines over meerdere jaren heen te bekijken. Hiermee kunnen ze onderzoeken hoe productie schoner, goedkoper en betrouwbaarder kan worden.

Een kijkje in twee echte fabrieken

De dataset is afkomstig van twee industriële onderzoeksfaciliteiten in de buurt van Karlsruhe in Duitsland. De ene richt zich op elektronica en vermogenselektronica, met persmachines voor chips, soldeerovens, zeefdrukmachines en een zonne-energiesysteem op het dak. De andere is een precisiewerkplaats vol geavanceerde CNC-frezen, draaibanken en een draadzaaginstallatie. Samen vormen ze een kleine maar realistische industriële buurt, waar tientallen verschillende processen in- en uitschakelen afhankelijk van veranderende productiebehoeften.

Elektriciteit volgen in fijn detail

Om het energiegebruik te volgen, koppelde het team 22 individuele machines en één zonnestroomsysteem aan meters van industrieel niveau. Elke vijf seconden, dag en nacht, registreren deze meters hoeveel vermogen er stroomt, hoe sterk de spanningen en stromen zijn en in hoeverre hun vormen afwijken van een perfecte sinusaal. Over periodes tot zeven jaar levert dit meer dan 74 miljard metingen op, waarin zowel rustige bedrijfsdagen als onregelmatige gebeurtenissen zoals onderhoudsstoppen of stroomstoringen zijn vastgelegd. Sommige apparaten registreren bijna 200 verschillende elektrische grootheden, wat een rijk vingerafdruk geeft van het gedrag van elke machine.

Meer dan eenvoudige verbruikswaarden

In tegenstelling tot de meeste openbare energiedatasets, die alleen het totale verbruik van woningen of gebouwen rapporteren, gaat deze collectie dieper tot op het niveau van individuele fabrieksmachines en bevat indicatoren voor netkwaliteit. Deze beschrijven hoe “schoon” de elektriciteit is en onthullen vervormingen veroorzaakt door moderne elektronica, zoals frequentieregelaars en omvormers. De dataset koppelt het machinedrijfgedrag ook aan externe factoren. Aparte bestanden volgen het lokale weer, groothandelsprijzen voor elektriciteit, CO2-emissies van het net en officiële feestdagen. Deze combinatie stelt gebruikers in staat vragen te stellen zoals hoe zonlicht en elektriciteitsprijzen beïnvloeden wanneer het zonne-energiesysteem op het dak stroom teruglevert aan het net, of hoe productie verplaatst kan worden naar periodes waarop elektriciteit schoner of goedkoper is.

Van ruwe metingen naar kant-en-klare data

Omdat zo'n omvangrijke verzameling snel onhandelbaar kan worden, heeft het team veel geïnvesteerd in zorgvuldige organisatie en controle. Metingen zijn opgeslagen in gecomprimeerde bestanden gegroepeerd per machine, type grootheid en jaar, zodat gebruikers alleen hoeven te downloaden wat ze nodig hebben. Elke tijdreeks is uitgelijnd op een precieze vijfsecondenkalender, en bijbehorende bestanden geven basisstatistieken en eventuele gaten in de data weer. Het team voerde strikte kwaliteitscontroles uit, schrapte waarden die elementaire fysische grenzen overschreden en verifieerde dat relaties tussen vermogen, spanning en stroom logisch zijn. Structureel lege kanalen en onbetrouwbare meters worden duidelijk gemarkeerd of uitgesloten in de schoongemaakte versie, terwijl ze voor volledige transparantie nog beschikbaar zijn in een aparte ruwe release.

Een basis voor slimmer, schoner produceren

In wezen stelt dit werk geen nieuw algoritme voor, maar bouwt het de datalaag die moderne algoritmen nodig hebben. Met lange, gedetailleerde en goed gedocumenteerde meetreeksen op machineniveau kunnen onderzoekers voorspellingsmethoden testen, digitale tweelingen trainen en tools ontwikkelen die fouten detecteren voordat ze tot stilstand leiden. Door energiegebruik te combineren met prijzen en emissies kunnen ze ook onderzoeken hoe machines zo gepland kunnen worden dat zowel kosten als CO2-uitstoot dalen. Voor iedereen die geïnteresseerd is in de toekomst van efficiënte productie verandert deze dataset een vroeger verborgen wereld van fabrieksstroom in iets dat bestudeerd, gedeeld en verbeterd kan worden.

Bronvermelding: Sievers, J., Bischof, S., Blank, T. et al. High-resolution energy data from a sustainable industrial production area in Karlsruhe. Sci Data 13, 310 (2026). https://doi.org/10.1038/s41597-026-06955-4

Trefwoorden: industriële energiedata, netkwaliteit, slimme productie, digitale tweelingen, energievorspelling