Hoe werkt het voorspelmodel?

Datastromen

Het model combineert meerdere onafhankelijke databronnen, in de tijd uitgelijnd op uurniveau (Europe/Amsterdam, met DST-bewaking):

• EPEX-prijzen — tien jaar historische day-ahead spotprijzen voor Nederland, aangevuld met de meest recent gepubliceerde day-ahead prijzen via ENTSO-E.
• ENTSO-E forecasts (NL + DE) — verwachte stroomvraag (load), windproductie en zonneproductie voor de komende dagen. Voor Duitsland nemen we dezelfde signalen mee omdat Nederlandse prijzen sterk meebewegen met het buurland via de interconnectoren.
• Weervariabelen — temperatuur, windsnelheid en zoninstraling uit Open-Meteo, met afgeleide ramps (1h en 24h delta's) zodat het model versnellingen oppikt.
• Feestdagen NL en buurlanden — vlaggen voor Nederlandse feestdagen (Koningsdag, Hemelvaartsdag, Tweede Paasdag, etc.) plus aparte vlaggen voor feestdagen in Duitsland, België en Frankrijk. Dat laatste is bijzonder belangrijk op dagen als 1 mei, wanneer NL gewoon werkt maar de buurlanden vrij zijn: de export valt weg en de prijs kan diep negatief worden.
• Kalenderfeatures — uur, dag-van-de-week, maand en sin/cos-transformaties voor cyclisch dag- en jaarritme.

Per uur worden lags toegevoegd (1h, 24h, 168h vooruit kijkend), plus rolling statistieken (24h gemiddelde, 24h standaardafwijking, 168h gemiddelde) zodat het model context heeft over wat zojuist gebeurde en wat een week geleden gebruikelijk was.

Modelpad

Bij elke training vergelijken we twee kandidaat-modellen op exact dezelfde feature-set en holdout:

• HistGradientBoosting — een gradient-boosting tree-ensemble dat goed omgaat met heterogene features en niet-lineaire interacties.
• RandomForest — robuuste tree-ensemble met verschillende bias-variance afweging, dient als kruisvergelijking.

Het model met de laagste MAE op de holdout-set (chronologisch de laatste 20% van de data) wordt geselecteerd voor productie. In de praktijk wint HistGradientBoosting bijna altijd net iets nipt. Het systeem houdt daarnaast een fallback-variant aan zonder ENTSO-E features, zodat de pipeline blijft draaien wanneer een externe API uitvalt.

Een strikte time-based split voorkomt dat toekomstinformatie in het model lekt: tijdens training zien we nooit een prijs voordat het model erom moet "raden". Dat houdt de geclaimde accuratesse eerlijk.

Zelflerende bias-correctie

Na de voorspelling voegen we een tweede laag toe: een dagelijks bijgewerkte bias-correctie die structurele patronen tackelt die het hoofdmodel mist. De correctie is fijnmazig:

• per uur van de dag (24 stappen)
• per categorie: werkdag óf weekend & feestdag
• gebaseerd op de gemeten afwijking tussen forecast en werkelijkheid van de afgelopen 7 dagen

Sinds kort behandelen we Nederlandse feestdagen die op een werkdag vallen (Koningsdag, Hemelvaartsdag, Pinksteren, etc.) automatisch als weekend voor de bias-correctie. De consumptiepatronen op die dagen lijken in de praktijk meer op een zondag dan op een gewone werkdag, dus de werkdag-correctie zou anders een onterechte ophoging geven.

Wat de site nog meer toont

Bovenop de raw voorspelling levert de homepage een paar gebruikersvriendelijke extra's:

• Goedkoopste laadvenster, kiesbaar tussen 1, 2, 3, 5, 10 en 24 uur — afhankelijk van wat je wil doen (snel laden, hele dag verwarmen, batterij voltappen).
• Automatische toelichting — een Nederlandstalige zin die uitlegt waarom dat venster goedkoop is (feestdag, zon, wind, weekend) met een passend icoon.
• Versheids-badge — hoe lang geleden de voorspelling is bijgewerkt, met een waarschuwing als hij ouder dan 26 uur is.

Wat het model niet kan voorspellen

Hoewel het model veel factoren meeneemt, blijven sommige prijsschommelingen inherent onvoorspelbaar. Voorbeelden:

• plotselinge storingen of uitval van centrales
• extreme afwijkingen in wind- of zonneproductie binnen één dag
• onverwachte pieken in vraag of industriële afschakelingen
• acute netcongestie of noodmaatregelen van TenneT
• grote bewegingen in gas- of CO₂-prijzen op zeer korte termijn
• intraday-onbalans of niet-geplande redispatch

Dit zijn gebeurtenissen die zelfs professionele marktmodellen niet volledig kunnen voorspellen. Daarom blijft elke prijsverwachting een inschatting: een best mogelijke projectie op basis van beschikbare informatie, maar nooit een garantie. Onder "Hoe trefzeker is WattWanneer?" hieronder zie je hoe dicht we er in de praktijk bij zitten.