Slim zonnestroom in kaart brengen

Zonnestroom is een belangrijke hernieuwbare bron. De afgelopen jaren zijn de kosten van zonnepanelen sterk gedaald en heeft de installatie van zonnepanelen een grote vlucht genomen. Een goede schatting van de productie van de totale opgewekte zonnestroom in Nederland is van groot belang voor zowel de overheid om energietransitie beleid te kunnen voeren als voor de betrokken partijen in de energiesector die als taak hebben om vraag en aanbod van elektriciteit goed op elkaar af te stemmen. In dit artikel wordt het onderzoek toegelicht dat het CBS doet om nauwkeuriger en gedetailleerder een schatting te kunnen maken van de productie van zonnestroom. In dit onderzoek staan twee elementen centraal: het vaststellen van de locatie van alle zonnepanelen en het bepalen hoeveel energie er effectief door deze panelen wordt opgewekt.

Energietransitie op nationaal en regionaal niveau

De energietransitie staat hoog op de politieke agenda. Eind februari 2018 heeft de minister van Economische Zaken en Klimaat namens het kabinet de aanpak voor het klimaatbeleid met een brief aan de tweede kamer toegelicht. Het door het kabinet gestelde doel is de uitstoot van broeikasgassen in 2030 met 49% te verminderen ten opzichte van de uitstoot in 1990. Bij het realiseren van de klimaatdoelen is een belangrijke rol voor de regio (lagere overheden, burgers, bedrijven) weggelegd. Binnen het CBS wordt onderzocht hoe met nieuwe bronnen en methoden de energietransitie in Nederland beter in kaart kan worden gebracht. Het CBS wil hiermee bijdragen aan het meetbaar maken van de energietransitie op zowel regionaal als nationaal niveau.

Huidige schatting alleen landelijke cijfers op jaarbasis

De huidige CBS-statistiek over zonnestroom is gebaseerd op een enquête onder ongeveer 350 importerende leveranciers van zonnepanelen. De totale productie van zonnestroom wordt berekend op basis van een schatting van opgesteld vermogen (geïnstalleerde panelen) en een vast kengetal (875 kWh/kWp) voor de productie per eenheid opgesteld vermogen. Deze methode kent een geschatte onzekerheid van 20 procent en levert alleen landelijke cijfers op jaarbasis, terwijl er met de energietransitie een vraag ontstaat naar informatie op regionaal niveau met kortere tijdschalen. CBS ontwikkelt daarom nieuwe methoden om opgewekte zonnestroom in meer detail in kaart te brengen.

Zonnestroom bepaling op regionaal niveau

Om toe te kunnen werken naar informatie op regionaal niveau is het belangrijk om een volledig beeld te hebben van het aantal zonnepanelen en de locatie waar deze panelen zijn opgesteld. Het CBS heeft diverse bestaande administratieve bronnen die het in combinatie met nieuwe bronnen mogelijk maken de locaties en het vermogen van zonnepanelen op detailniveau vast te kunnen stellen. Een voor het CBS nieuwe bron is de registratie van zonnepanelen in Nederland, vastgelegd in het Productie Installatie Register (PIR). Deze bron ontvangen we van Energie Data Services Nederland (EDSN) en combineren we met bestaande gegevens van de Belastingdienst over huishoudens die de betaalde BTW over hun zonnepanelen terugvragen. Daarnaast maakten we reeds gebruik van het jaarlijkse elektriciteitsverbruik van huishoudens en de basisregistratie Adressen en Gebouwen (BAG).

Groei van het aantal zonne-installaties bij huishoudens

Op basis van het installatieregister (PIR) kunnen we de groei van het aantal zonne-installaties laten zien. Onderstaande figuren tonen de spectaculaire groei van zonnepanelen vanaf 2010, in absolute aantallen en op regionaal niveau. Noot: omdat dit enkel om kleinverbruik gaat, weerspiegelt dit niet de totale toename van het aantal installaties over heel Nederland en dus ook niet de totale groei van de hoeveelheid geproduceerde zonnestroom in Nederland.

plaatje van Nederland over zonnepanalen

Geïnstalleerde zonnestroominstallaties
   aantal installaties
2010j261
2010f116
2010m182
2010a223
2010m197
2010j364
2010j310
2010a235
2010s293
2010o400
2010n299
2010d288
2011j400
2011f410
2011m521
2011a693
2011m735
2011j868
2011j870
2011a541
2011s731
2011o577
2011n695
2011d669
2012j723
2012f720
2012m1264
2012a1434
2012m1923
2012j2268
2012j3845
2012a4614
2012s6334
2012o6672
2012n5645
2012d4296
2013j3986
2013f4398
2013m6019
2013a7014
2013m7743
2013j8585
2013j8144
2013a6388
2013s6113
2013o4457
2013n4322
2013d4334
2014j4215
2014f4524
2014m5617
2014a5777
2014m6385
2014j6302
2014j7481
2014a5819
2014s5713
2014o6014
2014n5569
2014d5604
2015j5286
2015f5289
2015m7739
2015a8791
2015m9053
2015j10137
2015j8733
2015a6493
2015s7340
2015o7625
2015n7213
2015d6282
2016j6111
2016f6073
2016m7027
2016a7520
2016m7423
2016j8498
2016j8614
2016a5825
2016s6820
2016o7096
2016n7310
2016d5785
Bron: CBS, Productie Installatie Register (PIR)

Verdeling van zonnepanelen over verschillende woningtypen

Uit de koppeling van nieuwe en bestaande administratieve bronnen kan ook worden afgeleid wat de verdeling van zonnepanelen is over de verschillende woningtypen. Zonnepanelen komen beduidend vaker voor bij koopwoningen (7,4 %) dan bij huurwoningen (1,7 %). Gemiddeld genomen heeft 4,93% van de woningen een zonnepaneel, maar dit verschilt sterk per woningtype. Vrijstaande huizen hebben het vaakst een zonnepaneel (in 11,72% van de gevallen) en appartementen het minst vaak (0,65%). Zie onderstaande illustratie voor het percentage geïnstalleerde zonnepanelen voor de verschillende woningtypen. Van een deel van de woningen konden we het type niet achterhalen. Interessant vervolgonderzoek is om niet alleen naar het woningtype te kijken, maar ook naar de sociaal-economische kenmerken van de bewoners: welke groepen wonen het vaakst in een woning met zonnepanelen?

percentage zonnepanelen

Regionale statistiek

Het CBS denkt met deze aanpak van het gebruik van administratieve bronnen een betere schatting van de geproduceerde zonnestroom te kunnen maken dan met de huidige methode op basis van een enquête. Via een onderzoek gefinancierd door 40 Nederlandse gemeenten en Netbeheer Nederland heeft het CBS onlangs ook op basis van deze aanpak voor het eerst data over zonnestroom per gemeente gepubliceerd. In een volgende stap binnen dit onderzoek worden de resultaten van de data analyse over BTW-teruggave verwerkt en zal ook data uit de Energie-investeringsaftrekregeling (EIA) van RVO worden gebruikt.

Verfijnen van de zonnestroom bepaling met big data bronnen

Om de statistiek voor de productie van zonnestroom verder te verfijnen wil het CBS big data bronnen inzetten om de specifieke locaties van zonnepanelen en de effectief opgewekte zonnestroom per zonnepaneel vast te stellen. Het onderzoek dat hiervoor momenteel binnen CBS wordt uitgevoerd, wordt hieronder kort toegelicht. Aparte publicaties volgen zodra het onderzoek voldoende is gevorderd om in meer detail over te kunnen publiceren.

Nauwkeuriger vaststellen van de locatie

Om locaties van zonnepanelen nauwkeuriger vast te kunnen stellen doet CBS in Europees verband gefinancierd onderzoek naar het gebruik van luchtfoto’s om zonnepanelen te detecteren. CBS gebruikt luchtfoto’s omdat de vrij verkrijgbare satellietbeelden onvoldoende hoge resolutie hebben om zonnepanelen op woningen te detecteren. In dit onderzoek worden technieken voor kunstmatige intelligentie en luchtfoto's gecombineerd om de detectie van zonnepanelen te automatiseren. Op basis hiervan kan toegewerkt worden naar een geharmoniseerde methode om het aantal zonnepanelen voor heel Europa nauwkeurig vast te kunnen stellen. Onze bestaande registerinformatie wordt met deze aanvullende bron gevalideerd en volledig gemaakt.

Nauwkeurigere inschatting effectief opgewekte zonnestroom

Naast het nauwkeuriger vaststellen van de locaties van zonnepanelen werken we aan twee verschillende methodes om een betere inschatting te maken van de effectief opgewekte zonnestroom.

De eerste methode maakt gebruik van openbare data (o.a. van PVOutput.org) om een goede inschatting te maken van de effectieve productie per eenheid opgesteld vermogen. Hierbij houden we rekening met de eigenschappen van het dak (hellingshoek en oriëntatie) evenals de locatie en de weersomstandigheden.

De tweede methode is een toepassing van geavanceerde tijdreeksmodellen met data van het hoogspanningsnet (Tennet) en zonnestralingsdata van het KNMI. Meteorologische data over zonnestraling wordt gecombineerd met hoogfrequente data over het gemeten stroomverbruik op het Nederlandse hoogspanningsnet. De modellen zijn gebaseerd op het idee dat als de opbrengst van de zonnepanelen hoog is, er minder stroom aan het hoogspanningsnet geleverd wordt en vice versa. De zonnestroom wordt zodoende indirect via een model uit deze bronnen afgeleid. De eerste uitkomsten geven een plausibel totaalbeeld maar moeten nog beter geijkt worden. Het model is toegepast op gegevens over Nederland als geheel, omdat die vrij beschikbaar zijn. Het model kan echter ook gebruikt worden op lager regionaal niveau. De verwachting is dat de correlatie tussen gemeten stroomverbruik en meteorologische data op dit niveau nog beter is, wat leidt tot nauwkeurigere modellen.

Onderstaande figuur geeft een eerste indruk van de ontwikkeling van de zonnestroom in Nederland over de jaren 2010 t/m 2016.

ontwikkeling van de zonnestroom

Lever een bijdrage aan het vervolgonderzoek in 2018

Bovenstaande projecten zijn nog in een bèta-fase. In 2018 zullen de gekoppelde big data bronnen en de modellen worden verfijnd en zullen stapsgewijs statistische producten beschikbaar worden gesteld, zodra de resultaten voldoende betrouwbaar zijn. Daarnaast willen we komend jaar de mogelijkheden van slimme meter data en slimme thermostaat data onderzoeken. Geïnteresseerde partijen die samen met ons op willen trekken om de energietransitie op regionaal niveau inzichtelijk en meetbaar te maken nodigen we van harte uit om met ons in gesprek te gaan.

Feedback gevraagd

Je browser wordt niet ondersteund. Upgrade je browser. Je hebt een inconsistente user-agent geleverd bij het oplossen van de uitdaging. Mogelijk heb je browserextensies of -instellingen ingeschakeld om de user-agent te vervalsen en moet je deze uitschakelen om door te gaan. Een deel van Turnstile is per ongeluk in de cache opgeslagen. Wis gelieve je cache. De tijd op de klok klopt niet. Zet je klok op de juiste tijd. Een ongespecificeerde fout heeft zich voorgedaan.