Ausgew?hlte Forschungsprojekte

DigiSWM – KI und fortgeschrittene Datenanalysen für ein Zusammenspiel von Strom, W?rme und Mobilit?t

Die Integration erneuerbarer Energietr?ger im Privatbereich wird insbesondere durch die Kopplung der Verbrauchssektoren Strom, W?rme und Mobilit?t erm?glicht. Um die enormen Potentiale zu heben, müssen Energiel?sungen für den Privatbereich konsequent durchdacht werden. Durch die Sektorkopplung und die dafür erforderliche Digitalisierung steigt aber auch der Anspruch an die Akteure bei Entwicklung, Parametrierung, Optimierung und Vermarktung der Technologien. Umfangreiche Energiedaten (aus Systemen, Verbrauch und Verhalten) und KI-Verfahren k?nnen helfen neue Energiedienstleistungen zu erm?glichen, den Netzbetrieb zu optimieren und eine st?rkere Verbreitung von Technologien für nachhaltige Energieversorgung zu f?rdern. Im Rahmen des Projekts soll das Potenzial aus vorhandenen Energiedaten für solche Anwendungen nutzbar gemacht werden. Die im Einsatz getestete Big-Data-Analytics (BDA) Toolbox des Projekts wird Haushalte und Energieversorger mit Machine-Learning-Technologie unterstützen, um die Sektorkopplung voranzutreiben.

Gef?rdert durch das Bayerische Verbundforschungsprogramm, F?rderlinie Digitalisierung – Informations- und Kommunikationstechnologie

Projektlaufzeit: 01.07.2021 – 30.09.2024

Beteiligte Personen an der Universit?t Bamberg: Konstantin Hopf (Principal Investigator), Felix Haag (Projektmitarbeiter)

Projektpartner:

Gesamtbudget des Projekts: 1’486’731 € (F?rder- und Industriebeitrag), davon 218’500 € für die Universit?t Bamberg

BENEFIZZO – Kombinierte Verhaltens- und Analyse-Innovation zur Steigerung der Energieeffizienz mittels Smart Meter in Privathaushalten (maschinelle Lernverfahren für Energieeffizienz-Feedback)

Durch die Anwendung maschineller Lernverfahren auf gro?e Datenmengen des privaten Energiekonsums und den Einsatz moderner Feedback-Technologien entwickelt dieses Verbundprojekt eine Kundenbindungsplattform als ausgereiften Prototypen. Diese digitale Plattform erm?glicht eine handlungsorientierte und auf den einzelnen Haushalt zugeschnittene Kommunikation, welche private Haushalte zu mehr Energieeffizienz anleitet. Aufbauend auf der zu entwickelnden Energieeffizienz-Plattform werden wir zusammen mit Energieanbietern in Europa neuartige Dienstleistungen entwickelt, welche die Energieeffizienz bzw. die nachhaltige Energienutzung im Privatbereich steigern. Dabei adressieren wir die von Unternehmen, Forschung und Politik anerkannten Grenzen der Smart-Meter-Technologie sowie die des privaten Energiekonsumverhaltens.

Das Teilprojekt der Universit?t Bamberg umfasst die (Weiter-)Entwicklung und Evaluation von maschinellen Lernverfahren, welche die Grundlage für die zu entwickelnde intelligente Energieeffizienzplattform bilden. Wir bringen Machine-Learning-Modelle voran, welche Haushaltseigenschaften (Wohnungsgr??e, Anzahl der Bewohner oder Ger?te, usw.) oder die Bereitschaft von Kunden für eine Teilnahme an Energieeffizienz- oder Lastverschiebungskampagnen mit Hilfe von Lastkurven, Standortinformationen und anderen Datenquellen vorhersagen k?nnen. Zudem evaluieren wir Techniken des Explainable AI (XAI) für deren Einsatz im Bereich des Energiefeedbacks.

Gef?rdert durch das Eurostars Programm der Europ?ischen Union

Projektlaufzeit: 01.12.2020 – 31.05.2022

Beteiligte Personen an der Universit?t Bamberg: Konstantin Hopf (Principal Investigator), Felix Haag (Projektmitarbeiter)

Projektpartner:

Gesamtbudget des Projekts: 899’680 € (F?rder- und Industriebeitrag), davon 175’521 € für die Universit?t Bamberg