Privacyvriendelijke handel in stroomflexibiliteit (PRIVATEFLEX)

Privacy vormt vaak een belemmering voor een breder gebruik van flexibiliteit van huishoud electriciteitsverbruik in vraagsturing ('DR'). Wanneer gebruikersdata niet ontcijferd kunnen worden door externe partijen, kan de privacy gegarandeerd worden. De eerste doelstelling van dit project is gebruik te maken van berekening-op-versleutelde-data ('COED') om flex data lokaal en privé te houden, en tegelijk toe te laten de flex te verhandelen op een geaggregeerd niveau. De tweede doelstelling is met machinaal leren de flex beter te karakteriseren zowel op lokaal als op geaggregeerd niveau, gezien residentiële flex gekenmerkt wordt door verschillende soorten onzekerheid en sterk contextafhankelijk is.