Een tomatenteler in staat stellen zijn energiekosten te verlagen door een slimme toewijzing van energieverbruik en -productie

Vereijken Kwekerijen zag haar energierekeningen dan ook de pan uit rijzen, waardoor de algehele winstgevendheid in gevaar kwam. Vereijken Kwekerijen stond voor de uitdaging om de kosten te verlagen en tegelijkertijd de productiviteit op peil te houden. De energiekosten worden bepaald door het gas- en elektriciteitsverbruik en de inkomsten uit het terugleveren van overtollige elektriciteit aan het net. Verlaging van de energiekosten kan worden bereikt door het optimum te vinden tussen de kosten van gas- en elektriciteitsverbruik. Dit is momenteel een tijdrovend proces, waarbij verschillende combinaties handmatig worden getest en vergeleken. Er is geen garantie dat de gekozen combinatie optimaal is.​

Met een vooruitziende en ondernemende mindset, zocht Vereijken Kwekerijen naar een data-gedreven oplossing voor hun probleem. Ze vroegen Bright Cape of we hen konden helpen een meer duurzame oplossing te vinden door gebruik te maken van onze geavanceerde analytics expertise.

Om de uitdaging aan te gaan, volgde Bright Cape een gestructureerde probleemoplossende aanpak. Eerst hebben we veel tijd doorgebracht met de inhoudelijke experts van de klant om een goed begrip te krijgen van de behoeften, het proces en de uitdagingen. Uiteindelijk werd de vraag geformuleerd wat de minimaal mogelijke kosten zijn om de verlichting en warmtekrachtkoppelingen te laten functioneren, gegeven een brede set van zakelijke requirements. De requirements bestonden onder andere uit het handhaven van de hoogste niveaus van zowel kwaliteit als productiviteit van de TastyTom producten.

Ten tweede moesten we een geschikte analytische aanpak identificeren. Toen het bedrijfsprobleem eenmaal goed was gedefinieerd, besloten we gebruik te maken van mixed integer linear programming (MILP) om het probleem op te lossen. MILP is een klasse van lineaire optimalisatietechnieken die zeer geschikt is om nutstoewijzingsproblemen aan te pakken. We bouwden dus een wiskundig model dat (i) de doelfunctie van het vinden van de minimaal haalbare kosten en (ii) de beperkingen codeert. Relevante invoerbronnen waren onder andere de prijzen op de energiemarkt (gas, elektriciteit) en de interne energievraag.

Om computers het model te laten oplossen, codeerden we het vervolgens in een Python-programma met behulp van een open-source lineair optimalisatiepakket. Het wiskundige programma kreeg de taak om het optimale dagelijkse schema te vinden om de verlichting en de warmtekrachtkoppelingseenheden van stroom te voorzien om aan de bedrijfsvereisten te voldoen tegen minimale kosten. We gebruikten Kedro om een modulaire data science pipeline te bouwen die de invoergegevens voorbewerkte, het optimalisatiemodel oploste en de bedrijfsoutput genereerde.

In de eerste fase van het project werd het model aan een back-test onderworpen, waarbij 10-15% potentiële kostenbesparingen werd aangetoond die hadden kunnen worden gerealiseerd als de aanbevelingen van het model waren uitgevoerd. In de volgende fase van het project zal Bright Cape het optimalisatiemodel gebruiken om het optimale gebruik van de WKK-eenheden te voorspellen, op basis van toekomstige voorspellingen van gas- en elektriciteitsprijzen.

MILP vertegenwoordigt een veelbelovend pad om holistische optimalisatieoplossingen voor dit soort problemen te bereiken. Het kan datagestuurde besluitvorming ondersteunen in vergelijkbare energiegerelateerde use cases in de agrarische sector of andere industrieën (bijvoorbeeld de coördinatie van productiemiddelen in een productieomgeving met zowel net- als lokaal opgewekte hernieuwbare energie). De kennis en gecombineerde expertise van de data engineers, data analisten en human data interaction consultants van Bright Cape kunnen u helpen een passende oplossing te creëren voor uw specifieke vraagstuk.