VSL ontwikkelt test- en validatiekader voor betrouwbare data-analyse methoden in elektriciteitsnetten

Publicatie

Kunstmatige intelligentie (AI) en data-analyse spelen een steeds grotere rol in het beheer van elektriciteitsnetten. Om deze toepassingen betrouwbaar en toekomstbestendig te maken, ontwikkelt VSL samen met partners een uniform test- en validatiekader voor grid data analytics. De eerste resultaten zijn gepresenteerd in een paper die is geaccepteerd voor de CIRED 2026 Brussels Workshop.

Deze ontwikkelingen zijn onderdeel van het Europese onderzoeksproject Metrology for Reliable Grid Data Analytics (GridData) en richten zich op het testen en valideren van data-analysemethoden voor kritische toepassingen, zoals congestievoorspelling in distributienetten. Hierbij wordt expliciet aandacht besteed aan onzekerheidsanalyse, datakwaliteit, robuustheid van modellen en explainable AI.

Een belangrijke conclusie is dat klassieke eenmalige softwaretests onvoldoende zijn voor AI- en machine learning-modellen, die werken met dynamische en hoog-dimensionele datasets. Het voorgestelde raamwerk combineert inzichten uit de metrologie en de AI-wereld en maakt het mogelijk om de betrouwbaarheid van dergelijke modellen continu en gestructureerd te beoordelen.

Met dit werk levert VSL een belangrijke bijdrage aan de ontwikkeling van betrouwbare AI-toepassingen voor kritische infrastructuur en speelt het in op toekomstige eisen vanuit onder andere de Europese AI Act.

“This paper is a pre-print of a paper submitted to and accepted for publication in the Conference Proceedings of the CIRED 2026 Brussels Workshop on Implementing Successful Innovation in Distribution Networks and is subject to the Organizers’ Copyright. The copy of record will be available at The IET Digital Library.”