Netintelligentie & Veerkracht

Het net kan niet snel genoeg groeien. Het moet slimmer worden.

PJM bleef voor het eerst in de geschiedenis 6.625 MW onder zijn betrouwbaarheidsdoelstelling. De interconnectiewachtrij van ERCOT bereikte 233 GW met slechts 23 GW nieuwe opwekking online. De Iberische black-out wiste 15 GW weg in 5 seconden omdat niemand het juiste spanningsniveau in de gaten hield.

Dit zijn geen op zichzelf staande incidenten. Het zijn symptomen van netten die ontworpen waren voor eenrichtingsstroom en nu bidirectionele, intermitterende, door datacenters aangedreven belastingspatronen beheren met gereedschap dat voor de vorige eeuw is gebouwd. Wij bouwen de AI-systemen die de kloof dichten tussen wat het net nodig heeft en wat de huidige software ervan kan leveren.

$163 mld.

Verwachte PJM-capaciteitskosten, 2028-2033

NRDC/CUB-analyse, 2025

2.600 GW

Achterstand in de Amerikaanse interconnectiewachtrij

Lawrence Berkeley Lab, 2025

15 GW in 5 s

Verloren bij de Iberische black-out van 2025

ENTSO-E eindrapport, maart 2026

Wat er op 28 april 2025 daadwerkelijk misging

De Iberische black-out is de leerzaamste netstoring in een decennium. Niet vanwege wat de krantenkoppen zeiden (hernieuwbare energie is instabiel), maar vanwege wat het ENTSO-E-onderzoek daadwerkelijk vond: een specifieke, vermijdbare faalketen die de huidige monitoringarchitecturen niet kunnen detecteren.

De cascade, stap voor stap

09:00-12:00

Subsynchrone oscillaties bij 0,21 Hz en 0,63 Hz verschijnen op het hele Spaanse net. TSO's koppelen shuntreactoren los om transiënte onderspanningen tijdens demping te beheersen. Dit put het absorptievermogen voor reactief vermogen uit.

12:00-12:31

TSO's bekrachtigen parallelle 400 kV-circuits en schakelen HVDC-verbindingen naar de modus met vast vermogen. De transmissie-impedantie daalt, de spanningen stijgen. De 400 kV-monitoring toont 418 kV. Binnen de nominale grenzen.

12:31-12:32

De observeerbaarheidskloof. Terwijl de transmissiemetingen er normaal uitzien, bereiken de verzamelstations op 220 kV-niveau 242 kV. Trapschakelaars van transformatoren kunnen niet snel genoeg aanpassen. Niemand ziet dit omdat de monitoring stopt op transmissieniveau.

12:33:10

Eén grote opwekkingsinstallatie injecteert reactief vermogen in een net dat al overspanning heeft, in plaats van het te absorberen zoals P.O. 7.4 vereist. Positieve terugkoppellus. Cascaderende beveiligingsuitschakelingen beginnen. 15 GW koppelt los in 5 seconden. 60 miljoen mensen verliezen stroom.

De les is niet dat hernieuwbare energie onbetrouwbaar is. Het ENTSO-E-rapport verwerpt die framing expliciet. De les is dat de monitoringarchitectuur een blinde vlek heeft op het verzamelniveau, en dat verouderde PI/PID-regelaars de niet-lineaire dynamiek van een net met lage inertie onder oscillatiestress niet aankunnen.

Ditzelfde patroon doet zich voor in de VS. PJM's tekort van 6.625 MW wordt gedreven door datacenterbelasting (5.100 MW van de voorspelde toename van 5.250 MW), geconcentreerd in specifieke transmissiezones. Gelokaliseerde stresspunten in Dominion Virginia, AEP Ohio en ComEd Illinois creëren dezelfde omstandigheden voor cascaderende storing als een kritiek onderstation uitschakelt tijdens piekvraag. De vraag is niet óf het gaat gebeuren, maar of de monitoring aanwezig is om het op te vangen voordat het cascadeert.

Wie werkt hier nog meer aan

Net-AI is geen onontgonnen terrein. Begrijp, voordat u een adviesbureau inschakelt, wat de gevestigde partijen, start-ups en nationale laboratoria al doen, en waar de hiaten blijven liggen.

Aanbieder Wat zij bieden Sterke punten Waar de hiaten zitten
GE Vernova (GridOS) Volledige netbeheerstack. ADMS, DERMS, digital twins. GridOS for Distribution gelanceerd in februari 2026. Geïnstalleerd bij 80%+ van de Amerikaanse nutsbedrijven. Voorkwam in 2025 112 mln. klantminuten aan onderbreking voor Alabama Power. Verouderde architectuur. AI-mogelijkheden zijn toevoegingen aan bestaande SCADA, niet physics-native. Vendor lock-in maakt maatwerk duur.
Siemens (Gridscale X) Digital twins van netten, dynamische beveiligingsbeoordeling, DLR-module. Samenwerking met NVIDIA PhysicsNeMo voor 10.000x simulatieversnelling. Decennia aan PSS/E-netmodellering. Sterke EU-aanwezigheid. Inzet van digital twin in Trieste. Monolithisch platform. Duur voor middelgrote nutsbedrijven. De DLR-module is beperkter dan specifieke analytics.
LineVision DLR-sensoren en -analytics. Contactloze monitoring van bovengrondse lijnen. Dominante DLR-leverancier. AES: 61% capaciteitstoename op 345 kV. National Grid Syracuse: 20-30% toename. 5-7% van de kosten van traditionele upgrades. Hardwaregericht. Beperkte analytics voor corridorprioritering en planningsintegratie. Pakt geen wachtrij- of stabiliteitsuitdagingen aan.
Utilidata + NVIDIA Karman: AI-chip ingebed in slimme meters. Edge computing voor het distributienet. $60,3 mln. Series C. Implementaties bij Portland General Electric en Duquesne Light. Samenwerking met Deloitte. 100x verwerkingskracht t.o.v. traditionele meters. Distributiegericht. Pakt geen stabiliteit op transmissieniveau, interconnectiewachtrijen of grensoverschrijdende veerkracht aan.
Argonne GridMind Agentic AI-copiloot voor operators in de controlekamer. Multi-agent LLM-systeem voor planning en uitvalsimulatie. Steun van DOE (Genesis Mission). Sterke onderzoeksgeloofwaardigheid. Verklaarbare aanbevelingen. Onderzoeksfase. Geen commercieel product. Geen tijdlijn voor implementatie bij nutsbedrijven. Fysicabeperkingen zijn niet ingebed in de LLM-architectuur.
EPRI RADAR Wereldwijd raamwerk voor netverdediging, analytics en veerkracht. Duke Energy en RTE als oprichtende leden. Sectorbreed initiatief. Invloed op normstelling. Trainingsprogramma's voor personeel van nutsbedrijven. Raamwerk, geen software. Bouwt geen gereedschap; publiceert richtlijnen. Beweegt op commissietempo.
Big 4 / grote SI's Deloitte, Accenture, McKinsey, enz. Strategieadvies, platformimplementatie, leveranciersselectie. Verandermanagement binnen organisaties. Inkooprelaties. McKinsey gecontracteerd voor herontwerp van de ERCOT-wachtrij. Zij adviseren over processen; zij bouwen geen physics-informed modellen. Opdrachten kosten $2 mln.-$20 mln.+ en leveren strategiepresentaties en leveranciersbeoordelingen op, geen werkende AI-systemen.
Eerlijke hiaten die niemand goed oplost Verouderde datakwaliteit bij individuele nutsbedrijven (decennia aan inconsistente SCADA-archieven). Organisatorische gereedheid voor AI in risicomijdende controlekamers. Lange NERC CIP-013-kwalificatietermijnen voor leveranciers (6-12 maanden, ongeacht de leverancier). Dit zijn beperkingen die elke leverancier en elk adviesbureau in gelijke mate treffen, ook ons.

Wat wij bouwen voor netbeheerders

Elke opdracht is maatwerk. Dit zijn de capaciteitsgebieden waarin wij diepgang hebben, geen productcatalogus. Wij werken samen met uw bestaande SCADA/EMS-leverancier, niet ertegen.

1

Interconnectiewachtrij-intelligentie

Voor ISO's/RTO's die verzuipen in wachtrijvolume. Wij bouwen NLP-screening die aanvraagparameters extraheert en voltooiingswaarschijnlijkheidsscores toekent op basis van historische wachtrijgegevens. Op GNN gebaseerde topologische clustering groepeert projecten op elektrische nabijheid voor clusterstudies onder FERC Order 2023, niet op aankomsttijd. Geautomatiseerde voorafgaande screening van vermogensstromen draait duizenden injectiescenario's tegen het netwerkmodel.

De verschuiving van first-come-first-served naar first-ready-first-served vereist gereedschap dat de nettopologie begrijpt, niet alleen spreadsheets.

2

Netveerkracht-analytics

Physics-informed simulatiemodellen die N-1/N-2-contingentieanalyses ordes van grootte sneller uitvoeren dan PSS/E. Wij betten swingvergelijkingen en de wetten van Kirchhoff in de modeltraining in, zodat de resultaten de netfysica respecteren in plaats van alleen statistische patronen te leren. 10.000 contingentiescenario's in uren, niet maanden.

Dit zijn adviesgereedschappen voor de planningsfase, geen realtime regelaars. PINN's zijn niet productieklaar voor autonome netregeling, en daar zijn wij eerlijk over.

3

DLR-optimalisatie-analytics

LineVision levert de sensoren. GE Vernova levert de SCADA. De ontbrekende laag is analytics die u vertelt waar u DLR moet inzetten voor maximale capaciteitsontsluiting, hoe seizoensgebonden weerpatronen de rating-vensters beïnvloeden, en hoe u dynamische ratings integreert in planningsworkflows die rond statische ratings zijn ontworpen. Wij bouwen die analyticslaag.

FERC Order 1920 vereist een GETs-evaluatie vóór traditionele aanleg. Wij leveren de kwantitatieve analyse om aan die vereiste te voldoen met corridorspecifieke gegevens.

4

Observeerbaarheid op verzamelniveau

De Iberische black-out gebeurde omdat de monitoring stopte op transmissieniveau. Wij bouwen edge-analytics voor monitoring van subtransmissiespanning en reactief vermogen op het 220 kV-verzamelniveau: precies de blinde vlek die ENTSO-E identificeerde. Anomaliedetectie draait naast bestaande SCADA, niet in plaats daarvan.

Alleen-lezen-integratie in fase 1. Wij verbruiken SCADA-telemetrie en uitvoer van toestandsschatters zonder terug te schrijven naar het regelsysteem. Geen enkele verstoring van bestaande beveiligingsschema's.

5

Net-AI-compliance & -governance

Drie regelgevende tijdlijnen komen samen: conformiteitsbeoordeling voor hoog risico onder de EU AI Act (deadline augustus 2026, boete EUR 15 mln.), NERC CIP-003-9 beveiligingsbeheer (april 2026) en de GETs-evaluatievereisten van FERC Order 1920. Wij bouwen de documentatie, testprotocollen en auditraamwerken die aan alle drie voldoen.

De meeste netbeheerders die AI inzetten voor vraagvoorspelling of DER-beheer hebben niet geaudit of die systemen kwalificeren als hoog risico onder de EU AI Act. Daar beginnen wij.

Waarom niet een groter bureau?

McKinsey herontwerpt het wachtrijproces van ERCOT. Zij leveren procesaanbevelingen. Wij leveren werkende wachtrij-screeningmodellen die zijn getraind op uw historische gegevens. Deloitte werkte samen met Utilidata aan grid edge. Hun rol is systeemintegratie en verandermanagement. Onze rol is het bouwen van de physics-informed modellen waar die systeemintegratie omheen wordt gewikkeld. De Big 4 zijn complementair aan wat wij doen, niet concurrerend. Zij regelen de organisatorische gereedheid en leveranciersinkoop. Wij bouwen de AI die de organisatie draait.

Hoe wij werken

Netbeheerders plannen in regelgevende cycli. Onze opdrachtfasen sluiten aan op hoe ISO's en nutsbedrijven daadwerkelijk technologie budgetteren, goedkeuren en implementeren.

0-6 maanden

Fase 1

Beoordeling & snelle winsten

  • Data-audit: Breng bestaande SCADA-, IoT- en weergegevensbronnen in kaart. Identificeer hiaten in verzamelfrequentie, archiefkwaliteit en formaatconsistentie. De meeste nutsbedrijven ontdekken dat hun historische gegevens minder volledig zijn dan aangenomen.
  • DLR-corridorprioritering: Als er DLR-sensoren zijn ingezet, analyseer welke corridors de maximale capaciteitsontsluiting opleveren. Zo niet, identificeer dan de top 5 overbelaste corridors waar DLR geplande upgrades zou uitstellen.
  • Regelgevende basislijn: Audit bestaande AI-systemen tegen de criteria voor hoog risico van de EU AI Act en de vereisten van NERC CIP-003-9. Lever een gap-analyse en complianceroutekaart.
  • Wachtrijdiagnose (ISO's): Maak een profiel van de interconnectiewachtrij. Identificeer fantoombelastingspatronen, clusterkandidaten en fast-track-mogelijkheden.

6-18 maanden

Fase 2

Bouwen & integreren

  • Wachtrij-intelligentieplatform (ISO's): Implementeer NLP-screening, topologische clustering en geautomatiseerde voorafgaande screening. Kalibreer tegen historische wachtrijuitkomsten. Integreer met bestaande planningsgereedschappen.
  • Contingentiesimulatie: Bouw op PINN gebaseerde adviesmodellen voor N-1/N-2-analyse. Valideer tegen de PSS/E-basislijn. Implementeer als planningsversneller naast, niet ter vervanging van, bestaande gereedschappen.
  • Monitoring op verzamelniveau (na de black-out): Implementeer anomaliedetectie bij onderstations op subtransmissieniveau. Alleen-lezen SCADA-integratie via IEC 61850 en ICCP/TASE.2.
  • NERC CIP-013-pakket: Bereid documentatie voor leveranciersrisicobeheer voor ten behoeve van de evaluatie door het beveiligingsteam van het nutsbedrijf. Houd rekening met de kwalificatietermijn van 6-12 maanden.

18-36 maanden

Fase 3

Opschalen & optimaliseren

  • DLR-analytics over corridors heen: Breid uit van pilotcorridors naar systeembrede integratie van dynamische ratings. Pak naadproblemen aan waar aangrenzende nutsbedrijven gedeelde corridors verschillend raten.
  • Aanbevelingen voor adviserende regeling: Stap over van monitoring naar human-in-the-loop adviessignalen voor beheer van reactief vermogen en congestieverlichting. Operators behouden de volledige zeggenschap.
  • Continue compliance: Postmarktmonitoring voor conformiteit met de EU AI Act. Doorlopende NERC CIP-documentatie naarmate de normen evolueren (CIP-015 voor interne netwerkbeveiligingsmonitoring komt eraan).

Kanttekening: de tijdlijnen van fase 3 hangen af van goedkeuringsprocessen van regelgevers (FERC, NERC, staats-PUC's) waar wij geen controle over hebben. Wij plannen voor regelgevende cycli van 2-3 jaar, niet voor start-upsprints van 6 maanden.

Net-AI-gereedheidsbeoordeling

Beantwoord zes vragen over uw huidige netinfrastructuur en datavolwassenheid. De beoordeling identificeert uw startpunt en beveelt specifieke vervolgstappen aan, of u nu met ons werkt of niet.

Vraag 1 van 6

Wat is uw type organisatie?

Vragen die netbeheerders stellen

Hoe vermindert AI de achterstand in de interconnectiewachtrij voor ISO's en nutsbedrijven?

De Amerikaanse interconnectiewachtrij is gezwollen tot 2.600 GW met een mediane wachttijd van vijf jaar tot commerciële exploitatie. Het knelpunt zijn de menselijke engineeringuren, niet het beleid. FERC Order 2023 schrijft clusterstudies voor, maar ISO's hebben niet het personeel om clusters binnen de termijnen van 150 dagen te verwerken.

AI pakt dit op drie punten aan. Ten eerste extraheert op NLP gebaseerde aanvraagscreening sleutelparameters (MW, locatie, technologietype, financiële rugdekking van de ontwikkelaar) uit interconnectieaanvragen en kent een voltooiingswaarschijnlijkheidsscore toe op basis van historische patronen. In ERCOT, waar 77% van de wachtrij van 233 GW datacenterbelasting is, scheidt dit geloofwaardige vraag van speculatieve fantoomaanvragen. Ten tweede groepeert op GNN gebaseerde topologische clustering projecten op elektrische nabijheid en netimpactzone in plaats van aankomsttijd, waardoor studieclusters ontstaan die overeenkomen met hoe het net zich daadwerkelijk gedraagt. Ten derde draait geautomatiseerde voorafgaande screening van vermogensstromen duizenden injectiescenario's tegen het bestaande netwerkmodel om te identificeren welke projecten kunnen doorgaan zonder grote upgrades.

Het resultaat is een verschuiving van first-come-first-served naar first-ready-first-served. Ter context: GridLab vond dat als slechts 10% van de in de wachtrij staande hernieuwbare energie in PJM op tijd was aangesloten voor de veiling van 2026/2027, consumenten $3,5 miljard zouden hebben bespaard in één enkele capaciteitsveiling.

Wat veroorzaakte de Iberische black-out van 2025 en hoe voorkomt AI vergelijkbare cascaderende storingen?

De Iberische black-out van 28 april 2025 was het gevolg van een specifieke faalketen die is gedocumenteerd in het eindrapport van ENTSO-E van maart 2026. Met 78% penetratie van hernieuwbare energie die ochtend verschenen subsynchrone oscillaties bij 0,21 Hz en 0,63 Hz. TSO's reageerden door parallelle 400 kV-circuits te vermazen, wat de transmissiespanningen verhoogde. De kritieke kloof: de 400 kV-metingen leken nominaal, maar de verzamelstations op 220 kV-niveau ondervonden overspanning omdat de trapschakelaars van transformatoren niet snel genoeg konden aanpassen. Eén grote opwekkingsinstallatie injecteerde reactief vermogen tijdens de overspanning in plaats van het te absorberen, waardoor een positieve terugkoppellus ontstond. Binnen 5 seconden koppelde 15 GW los en verloren 60 miljoen mensen stroom.

De grondoorzaak was een observeerbaarheidskloof: TSO's monitorden de transmissie, maar niet de condities op verzamelniveau. Op AI gebaseerde monitoring op verzamelniveau detecteert spanningsexcursies op het 220 kV-niveau in realtime, correleert ze met de toestand op transmissieniveau en signaleert de divergentie voordat beveiligingsrelais cascaderen. Dit is geen autonome regeling. Het is razendsnelle anomaliedetectie geïntegreerd in bestaande SCADA-systemen, die operators seconden tot minuten waarschuwing biedt die de huidige monitoringarchitecturen volledig missen.

Hoe werkt de implementatie van dynamic line rating en welke capaciteitstoename is realistisch?

Dynamic Line Rating vervangt conservatieve statische ratings (gebaseerd op worstcase-weeraannames) door realtime thermische capaciteitsberekeningen op basis van de werkelijke geleidertemperatuur, windsnelheid, zonnestraling en omgevingscondities. Bewezen implementaties tonen consistente resultaten: National Grid in Syracuse behaalde 20-30% gemiddelde capaciteitstoename over vier 115 kV-lijnen. AES in Indiana/Ohio zag 61% capaciteitstoename op 345 kV-lijnen en 25% op 69 kV-lijnen. Duquesne Light rapporteerde toenames tot 25%.

De economie is overtuigend: DLR kost 5-7% van traditionele transmissie-upgrades en wordt in weken in plaats van jaren ingezet. De AES-casestudy toonde $0,39 mln. voor DLR tegenover $1,63 mln. voor herbekabeling, een kostenreductie van 76%. FERC Order 1920 vereist nu dat transmissieplanners GETs, inclusief DLR, evalueren voordat ze traditionele aanleg goedkeuren.

De uitdaging is niet de sensortechnologie (LineVision, Ampacimon en anderen hebben volwassen hardware). De uitdaging is de analyticslaag: identificeren welke corridors de hoogste capaciteitsontsluiting opleveren voor in de wachtrij staande opwekking, seizoensgebonden rating-vensters voorspellen voor planningsstudies, naden hanteren waar aangrenzende nutsbedrijven dezelfde corridor verschillend raten, en DLR-gegevens integreren in bestaande transmissieplanningsworkflows die rond statische ratings zijn ontworpen.

Kunnen physics-informed neurale netwerken PSS/E daadwerkelijk vervangen voor netstabiliteitsanalyse?

Nog niet voor regeling op productieniveau, en wie iets anders beweert overschat de technologie. PINN's betten fysische wetten (swingvergelijkingen, de wetten van Kirchhoff) in de training van neurale netwerken in, wat modellen oplevert die de netfysica respecteren in plaats van alleen statistische patronen uit data te leren. Academische benchmarks tonen op PINN gebaseerde solvers die 80-90x sneller draaien dan conventionele numerieke methoden op kleine testsystemen (IEEE 9-bus, 39-bus).

Het probleem is opschaling. PJM heeft 90.000+ bussen. Het probleem van het balanceren van de verliesfunctie (datatrouw vs. fysicaresiduen vs. randvoorwaarden) blijft een actieve onderzoeksuitdaging zonder commerciële oplossing per april 2026. Publicaties groeiden van minder dan 10 in 2019 tot 820 in 2025, maar commerciële implementaties zijn nul.

Waar PINN's vandaag waarde leveren, is in adviserende simulatie in de planningsfase, niet in realtime regeling. Het draaien van 10.000 N-1/N-2-contingentiescenario's in uren in plaats van maanden geeft planningsingenieurs een aanzienlijk betere dekking van de faalruimte. De modellen signaleren welke contingenties gedetailleerde PSS/E-analyse verdienen, in plaats van PSS/E volledig te vervangen. Wij bouwen op PINN gebaseerde adviesgereedschappen die planningsstudies en contingentiescreening versnellen. Wij bouwen geen autonome netregelaars, en wij zijn sceptisch over iedereen die beweert dat ze dat wel doen.

Wat betekent naleving van de EU AI Act voor netbeheerders die AI inzetten?

De EU AI Act classificeert AI-systemen die worden gebruikt als veiligheidscomponenten in het beheer van kritieke infrastructuur, waaronder de elektriciteitsvoorziening, als hoog risico. De nalevingsdeadline is 2 augustus 2026. Boetes lopen op tot EUR 15 miljoen of 3% van de wereldwijde jaaromzet.

Voor netbeheerders dekt dit AI die wordt gebruikt bij belastingsvoorspelling en dispatching, geautomatiseerde foutdetectie en -isolatie, netbeheer en realtime optimalisatie, en elk systeem waarvan het falen fysieke schade aan infrastructuur zou kunnen veroorzaken. Classificatie als hoog risico activeert specifieke vereisten: conformiteitsbeoordeling vóór inzet, een risicobeheersysteem dat de volledige AI-levenscyclus dekt, datagovernance-vereisten voor trainings- en validatiedatasets, technische documentatie die toereikend is voor een audit door derden, mechanismen voor menselijk toezicht die waarborgen dat operators kunnen ingrijpen, en postmarktmonitoring op prestatiedegradatie.

In de praktijk moeten netbeheerders die al AI-gereedschappen draaien voor vraagvoorspelling of DER-beheer auditen of die systemen kwalificeren als veiligheidscomponenten. De definitie hangt af van de vraag of falen of storing fysieke schade zou kunnen veroorzaken. Een vraagvoorspelling die in dispatchingbeslissingen wordt ingevoerd, kwalificeert waarschijnlijk. Een klantenservice-chatbot niet. De meeste netbeheerders zijn nog niet begonnen met gestructureerd compliancewerk. De uitdaging is dat net-AI-systemen vaak zijn voortgekomen uit onderzoeksprojecten of leveranciersuitbreidingen zonder de documentatierigueur die een conformiteitsbeoordeling vereist.

Hoe integreert u AI met bestaande SCADA-systemen van GE Vernova of Siemens zonder ze eruit te rukken?

Netbeheerders hebben decennia aan investeringen in GE Vernova GridOS-, Siemens Spectrum Power- of ABB SCADA/EMS-systemen. Ze vervangen is niet realistisch, en het is niet nodig. Wij bouwen AI-analyticslagen die naast de bestaande SCADA/EMS staan en dezelfde datafeeds verbruiken via standaardprotocollen (IEC 61850 voor onderstationautomatisering, ICCP/TASE.2 voor communicatie tussen controlecentra, CIM IEC 61970/61968 voor datamodellering).

De integratiearchitectuur is alleen-lezen in fase 1: onze systemen verbruiken SCADA-telemetrie en uitvoer van toestandsschatters zonder terug te schrijven naar het regelsysteem. Dit elimineert de certificeringslast van een systeem dat regelcommando's uitgeeft. De analytics draaien op aparte compute-infrastructuur (cloud of on-premise, afhankelijk van de NERC CIP-houding van het nutsbedrijf) en presenteren resultaten via operatordashboards die integreren in bestaande controlekamerworkflows.

Het NERC CIP-013-proces voor risicobeheer in de toeleveringsketen voegt 6-12 maanden toe aan de leverancierskwalificatie. Wij houden hier rekening mee in projecttijdlijnen en leveren het documentatiepakket dat beveiligingsteams van nutsbedrijven nodig hebben voor evaluatie.

Wat kost een net-AI-opdracht daadwerkelijk en hoe lang duurt die?

De kosten hangen af van de scope en de datavolwassenheid van het nutsbedrijf. Een DLR-analyticsoptimalisatieopdracht voor een nutsbedrijf met bestaande sensorimplementaties kost doorgaans $200K-$500K over 3-6 maanden, en dekt corridorprioritering, seizoensgebonden ratinganalyse en integratie met planningsworkflows. Een interconnectiewachtrij-intelligentiebouw voor een ISO/RTO is groter: $500K-$1,5 mln. over 6-12 maanden, inclusief NLP-screeningmodellen, topologische clustering en geautomatiseerde voorafgaande screeninggereedschappen die zijn gekalibreerd tegen de historische wachtrijgegevens van de ISO.

Observeerbaarheidssystemen op verzamelniveau voor veerkracht na een black-out variëren van $300K-$800K, afhankelijk van het aantal gemonitorde onderstations en de integratiecomplexiteit met bestaande SCADA. Een volledige net-AI-compliancebeoordeling (EU AI Act, NERC CIP) voor bestaande AI-implementaties kost $150K-$400K over 2-4 maanden.

Dit zijn maatwerkbouwprojecten, geen licentievergoedingen. Elke opdracht levert een systeem op dat het nutsbedrijf bezit en exploiteert. Ter vergelijking: één enkele PJM-capaciteitsveiling kost de tariefbetalers $16,4 miljard. Een DLR-implementatie die één groot transmissieproject uitstelt, bespaart $50 mln.-$500 mln. Wachtrij-intelligentie die zelfs maar een klein percentage van levensvatbare projecten naar de markt versnelt, bespaart miljarden aan capaciteitsinkoopkosten.

Technisch onderzoek

Het onderzoek achter deze oplossingspagina. Deze interactieve whitepapers bieden de volledige technische diepgang over physics-informed net-AI, interconnectiewachtrij-analyse en veerkrachtengineering na een black-out.

Interconnectieknelpunten kosten PJM-consumenten $3,5 miljard in één enkele veiling

Wachtrij-intelligentie, DLR-optimalisatie en veerkracht-analytics die zichzelf terugverdienen in de eerste planningscyclus.

Of u nu een ISO bent die een wachtrij van 200+ GW verwerkt, een nutsbedrijf dat DLR evalueert voor naleving van FERC Order 1920, of een Europese operator die veerkracht na een black-out opbouwt, wij bouwen de AI-systemen die uw netsoftware niet levert.

Net-AI-beoordeling

  • • Audit van datavolwassenheid en analyse van SCADA-integratie
  • • DLR-corridorprioritering en capaciteitsmodellering
  • • Gap-beoordeling voor naleving van EU AI Act / NERC CIP
  • • Diagnose van de interconnectiewachtrij en optimalisatieroutekaart

Maatwerk net-AI-bouw

  • • Platform voor wachtrij-screening en topologische clustering
  • • Met PINN versnelde contingentiesimulatie
  • • Observeerbaarheid op verzamelniveau en anomaliedetectie
  • • Leveranciersneutrale integratie met GE/Siemens/ABB SCADA