Student-assistent Artificial Intelligence / Data Science voor MKB-onderneming in de energiemarkt (AI-project voor MKB Datalab-Oost)

Student-assistent Artificial Intelligence / Data Science voor MKB-onderneming in de energiemarkt (AI-project voor MKB Datalab-Oost): ontwikkeling van een locatiespecifieke zonvoorspeller voor PV-productie bij MKB-bedrijf in energiemarkt.

Aanleiding

Voor een betrouwbare planning en efficiënt energiemanagement is het belangrijk om de verwachte opbrengst van zonnepanelen (PV-installaties) zo nauwkeurig mogelijk te voorspellen. Een goede productievoorspelling helpt bijvoorbeeld bij het optimaal inzetten van energie, het beperken van onbalans en het beter benutten van duurzame energie. Bestaande voorspellingen zijn vaak gebaseerd op algemene weersverwachtingen en houden beperkt rekening met de specifieke kenmerken van een locatie, zoals de geografische ligging, oriëntatie en hellingshoek van zonnepanelen, schaduwvorming en historische productiegegevens.
Dit bedrijf in de energiemarkt wil een locatiespecifieke zonvoorspeller van de verwachte PV-productie ontwikkeld hebben. Je ondersteunt hen hierbij door data te analyseren, bestaande voorspelmethoden te onderzoeken en mee te werken aan de ontwikkeling en evaluatie van een praktische oplossing.

Doel van de opdracht

Het doel van de opdracht is om inzicht te krijgen in de mogelijkheden om PV-productie locatiespecifiek te voorspellen en deze inzichten te vertalen naar een praktisch toepasbaar model.
Je onderzoekt welke databronnen en factoren de grootste invloed hebben op de kwaliteit van de voorspelling en helpt bij het ontwikkelen en testen van een voorspelmodel. Daarbij ligt de nadruk op het vertalen van data en analyses naar een oplossing die daadwerkelijk toepasbaar is.

Je start tijdens de 80 uur van het project met de ontwikkeling van een basismodel op basis van een beperkt aantal variabelen en data. Naar mate dit goede voorspellende resultaten oplevert breidt je het model uit met meer variabelen en data.

Er bestaat de mogelijkheid dat het project met nog eens 80 uur verlengd kan worden (sprint 2) naar gelang het goede resultaten oplevert.

Opdrachtomschrijving

• Onderzoeken van bestaande methoden en technieken voor het voorspellen van PV-productie.
• Analyseren van beschikbare historische productie- en weerdata.
• Onderzoeken welke locatiespecifieke factoren (variabelen) relevant zijn voor een nauwkeurige voorspelling, zoals:
  • geografische locatie;
  • oriëntatie en hellingshoek van zonnepanelen;
  • schaduwvorming;
  • historische productiegegevens;
  • weersverwachtingen, zoals zoninstraling, bewolking en temperatuur.
• Identificeren en beoordelen van relevante databronnen.
• Uitvoeren van data-analyses om verbanden en patronen in PV-productie te identificeren.
• Meedenken over en testen van verschillende voorspelmethoden, bijvoorbeeld statistische modellen of machine-learningtechnieken.
• Ontwikkelen van een prototype of proof-of-concept voor locatiespecifieke PV-productievoorspelling.
• Valideren van de resultaten door voorspellingen te vergelijken met gerealiseerde productie.
• Formuleren van aanbevelingen voor verdere implementatie en verbetering.

Het type projecten dat het MKB Datalab-Oost uitvoert varieert van het automatiseren van administratieve processen (klanten service, offertes, samenvattingen gesprekverslagen etc) en ontwikkelen van voorspellende modellen (ten behoeve van verkoop, voorraadbeheer, onderhoud, orderplanning ed) tot ontwikkeling van chatbots, document classificatie-apps en LLM-prompting.
Werktijden zijn flexibel in te delen naar eigen inzicht. Vaak kiest een student ervoor 1 dag per week aan de opdracht te werken.

Over MKB Datalab-Oost

MKB Datalab-Oost heeft het hele jaar door AI-opdrachten vanuit een brede variatie aan opdrachtgevers uit de (maak-)industrie, het onderwijs, de zorg, overheden en zakelijke dienstverlening.
MKB Datalab-Oost is een initiatief van Radboud Universiteit i.s.m. Universiteit Twente.

Wij verwachten

• Je bent een derdejaars bachelorstudent AI of Computing Science óf masterstudent AI of Data Science.
• Je werkt ongeveer 1 dag per week over een periode van 6-10 weken. Totaal 80 uur waarvan een paar dagen (bij de start) op locatie bij opdrachtgever. Meer uren per week en daarmee een kortere doorlooptijd behoort tot de mogelijkheden.
• Je hebt een uitstekende beheersing van de Nederlandse en Engelse taal in woord en geschrift.
• Affiniteit met data-analyse, machine learning of datamodellering.
• Interesse in het praktisch oplossen van complexe vraagstukken
• Interesse in de energiemarkt en de energietransitie.
• Je kunt goed zelfstandig werken, maar je vindt het ook leuk om samen te werken met collega’s.
• Je bent nieuwsgierig en niet bang om in nieuwe materie te duiken.
• Je komt als student assistent te werken via Campus Detachering en mocht je al ingeschreven staan bij Campus Detachering dan heb je nog voldoende inschrijvingstijd (minimaal 3 maanden)

Toelichting op de arbeidsvoorwaarden

Schaal SA: minimaal €19,58 bruto per uur (excl. compensatie voor vakantie- en feestdagen, vakantiegeld en eindejaarsuitkering). De werktijden zijn flexibel in te delen. Je bent 80 uur flexibel beschikbaar over een periode van 6-10 weken. Start- en einddatum in overleg (bij voorkeur oktober-december).

Dit is een interne vacature. Voor deze vacature kom je alleen in aanmerking als je ingeschreven staat als student bij de Radboud Universiteit Nijmegen.