Onderzoek naar optimalisatiemethoden voor meerenergie-uitbreidingsplannen van industrieterreinen op basis van genetische algoritmen

Waarom slimmer fabriekse­rnergiebeheer ertoe doet

Nu de wereld zich haast om de broeikasgasuitstoot te verminderen, staan fabrieken voor een zware opgave: hoe voed je groeiende productielijnen met meer schone energie en houd je de kosten onder controle? Dit artikel onderzoekt een nieuwe methode voor industrieterreinen om hun energiesystemen over decennia te plannen, waarbij zonne-energie en efficiënte generatoren op locatie worden gecombineerd zodat capaciteit stap voor stap met de vraag meegroeit. Het werk toont aan dat zorgvuldige planning met moderne algoritmen zowel de energierekening als de CO2-voetafdruk aanzienlijk kan verminderen, zonder dat bedrijven grote initiële investeringen hoeven te riskeren.

Van one-size-fits-all naar op maat gemaakte energieplannen

Veel fabrieken willen tegenwoordig “multi-energie”-systemen die netstroom, aardgas, zonne-energie en warmtekrachtcentrales (WKK) die zowel elektriciteit als bruikbare warmte leveren, combineren. Bestaande planningsinstrumenten en commerciële software kunnen zulke systemen ontwerpen, maar veronderstellen vaak dat de energievraag vaststaat en dat alle apparatuur in één keer wordt geïnstalleerd. Voor echte fabrieken groeit de vraag doorgaans naarmate de productie uitbreidt, en het is zelden zinnig om alle toekomstige capaciteit op dag één te kopen. De auteurs stellen dat er behoefte is aan een planningsinstrument voor kleine industriële locaties dat met veranderende vraag en gefaseerde bouw om kan gaan, terwijl de analyse praktisch blijft voor ingenieurs en managers.

Evolutionair zoeken naar betere energiesystemen

Om dit gat te vullen hebben de onderzoekers een optimalisatiemodel gebouwd op basis van een “genetisch algoritme”, een zoekmethode geïnspireerd op biologische evolutie. In plaats van afgeleiden te nemen van een ingewikkelde kostfunctie, behandelt het algoritme elk mogelijk langetermijn-energieplan als een reeks keuzes: hoeveel zonnepanelen en WKK-eenheden in jaar één, hoeveel er elke paar jaar bij moet, en wanneer verouderde apparatuur wordt vervangen. Elk kandidaatplan wordt gesimuleerd over een periode van 20 jaar, waarbij investeringskosten, brandstofgebruik, netaankopen en onderhoud worden gevolgd. Het algoritme “selecteert” vervolgens de betere plannen, “combineert” hun kenmerken en “muteert” af en toe enkele keuzes, en evolueert zo geleidelijk naar strategieën die de totale kosten minimaliseren of de terugverdientijd verkorten.

Ontwerpen wanneer en hoe te bouwen

Het model deelt elke technologie op in enkele eenvoudige planningsinstelpunten: initiële capaciteit, de omvang van latere uitbreidingen, hoe vaak uitbreidingen plaatsvinden en, indien relevant, welke hardwaremodules worden gekozen. Voor zonnepanelen moeten deze keuzes rekening houden met dakoppervlakbegrenzingen, minimale praktische installatiematen en gangbare projecteconomie, zodat kleine onrendabele toevoegingen worden vermeden. Voor WKK-eenheden gaat het model uit van modulaire blokken van 1.000 kW en voorkomt het overbouw ver voorbij de warmte- en stroombehoefte van de fabriek. Omdat de beslisvariabelen discreet zijn—steeds één turbine of WKK-eenheid toevoegen—laten de auteurs zien dat genetische algoritmen beter geschikt zijn dan veel traditionele methoden die uitgaan van vloeiende, continue aanpassingen.

De commerciële software en vaste bouwstrategieën verslaan

Het team controleerde hun aanpak eerst tegen HOMER, een veelgebruikt commercieel planningsprogramma. Voor een testcase die zonne-energie, wind en WKK toestond, vond hun model een configuratie met één windturbine, meerdere WKK-eenheden en beperkte zonnecapaciteit die de totale projectkosten met ongeveer 23% verlaagde vergeleken met HOMER’s ontwerp en de eenvoudige terugverdientijd verkortte van negen naar vijf jaar. Een tweede, meer gedetailleerde casus onderzocht een industrieterrein in Hainan, China, met grote elektriciteits- en koelvraag en ruimte voor dakzonnepanelen. Daar installeerde het geoptimaliseerde plan het maximale van 1,6 megawatt aan zonnepanelen en begon het met negen WKK-eenheden, waarna elke twee jaar meer WKK-capaciteit werd toegevoegd naarmate de vraag groeide. Over 20 jaar verminderde deze “dynamische installatie” de totale energiekosten met 77% vergeleken met een business-as-usual-scenario dat alles van het net en het gasnet afnam.

Waarom gefaseerd bouwen wint

De auteurs vergeleken hun stapsgewijze aanpak ook met een eenvoudiger “vaste installatie”-strategie die alle apparatuur op locatie meteen installeert. Hoewel beide hetzelfde maximale zonnepotentieel gebruikten, stelde het vaste plan voor om aanvankelijk 26 WKK-eenheden te plaatsen, meer dan de fabriek in de eerste jaren nodig had. Die optie behaalde een terugverdientijd van vier jaar maar had hogere levensduurkosten en liet veel eenheden onderbenut. De dynamische aanpak daarentegen vergde minder dan de helft van de initiële investering, bereikte terugverdientijd in slechts twee jaar en hield de WKK-eenheden op hogere benuttingsgraden, waardoor elke geïnvesteerde euro beter werd gebruikt. Deze gefaseerde aanpak spreidt ook vervangingskosten en biedt meer ruimte om zich aan te passen als de toekomstige vraag of energieprijzen afwijken van de huidige prognoses.

Wat dit betekent voor fabrieken en klimaatdoelen

Voor niet-specialisten is de boodschap helder: fabrieken hoeven niet te kiezen tussen geld besparen en duurzamer worden. Door te plannen wanneer en hoeveel apparatuur op locatie te installeren, en door slimme zoekmethoden te gebruiken om duizenden mogelijke uitbouwpaden te verkennen, kunnen industrieterreinen hun energiekosten sterk verlagen en tegelijk overstappen op schonere bronnen zoals zonne-energie en hoogrendement WKK. De studie suggereert dat doordachte, gefaseerde investeringen de initiële uitgaven met tot wel 40% kunnen verminderen, de terugverdientijd versnellen en het risico verlagen, terwijl ze bijdragen aan wereldwijde inspanningen om emissies te verminderen.

Bronvermelding: Guo, S., Wei, H., Li, F. et al. Research on optimization methods for multi-energy expansion supply plans in industrial parks based on genetic algorithms. Sci Rep 16, 5200 (2026). https://doi.org/10.1038/s41598-026-36503-4

Trefwoorden: industriële energieplanning, hernieuwbare energie in fabrieken, warmtekrachtkoppeling, optimalisatie met genetisch algoritme, multi-energiesystemen