Refine
Document Type
- Conference Proceeding (2)
- Part of a Book (1)
- Contribution to a Periodical (1)
- Doctoral Thesis (1)
- Lecture (1)
- Report (1)
Is part of the Bibliography
- no (7)
Keywords
- Data-Analytics (1)
- Datenanalyse (2)
- Datenanalytik (1)
- Energie (1)
- Energieeffizienz (1)
- Energieinformationssysteme (1)
- Energiemanagement (4)
- Energiewende (2)
- Industrielles Energiemanagement (1)
- Informationssystem (1)
Institute
Ziel dieser Dissertation ist die Gestaltung einer Datenanalytik für Energieinformationssysteme produzierender Unternehmen. Dazu wird in verschiedenen Teilmodellen der Weg von der Datenbasis bis zur Entscheidungsunterstützung beschrieben und in einem Vorgehensmodell zusammengefasst. Hierbei werden die Daten in einem Datenmodell abstrahiert und dessen Zusammenhänge mathematisch beschrieben, bevor mithilfe von Simulationen optimale Entscheidungen im Rahmen des industriellen Energiemanagements vorbereitet werden.
The integration of renewable energies in a local industrial environment is an urgent task to reduce greenhouse gas emissions. Their energy intensive processes and local energy generation make waste management companies to optimal areas to analyze micro grids. The combination of the main task to process arriving waste and the reaction on micro grid needs without disregarding user preferences is the challenge that is focused with the following approach applying machine learning techniques.
First, the amount of waste is predicted with an artificial neural network. Then, the waste processing is optimized via an augmented Lagrangian algorithm regarding the energy costs that are based on volatile energy prices influenced from renewable energies. In addition, the optimization regards user preferences, which are learned from a user feedback with a support vector machine.
For the user interaction, an active learning paradigm is used. The approach is applied on biological waste treatment process in the waste management company of the district of Warendorf. The results show that the energy consumptions can be controlled in a micro grid context within the frame of user preference.
Die vorliegende Publikation beinhaltet die Projektergebnisse des Forschungsprojekts „FlAixEnergy – Innovative Energieflexibilitätsplattform zur Synchronisation und Vermarktung des regionalen Stromverbrauchs industrieller Anwender mit dezentraler Energieerzeugung in der Modellregion Aachen“ (Förderkennzeichen 0325819A-I). Dieses Forschungs- und Entwicklungsprojekt wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie (BMWi) gefördert und vom Projektträger Jülich (PTJ) betreut. Die Autoren sind für den Inhalt der Veröffentlichung verantwortlich.
In dem Vortrag sollen die Projektziele für das gemeinsame Forschungsprojekt FlaixEnergy vorgestellt werden. Das Projekt umfasst die Konzeption, Entwicklung und prototypische Implementierung einer Plattform zur Interaktion zwischen zu Clustern zusammengefassten industriellen Energieverbrauchern und virtuellen Kraftwerken, die dezentrale Erzeuger von regenerative Energie zusammenschalten. Kernelement der Plattform ist ein Mechanismus, der die Flexibilität der industriellen Verbraucher bewertet und ihnen damit eine Möglichkeit zur Partizipation am Energiemarkt ermöglicht. Dabei soll grundsätzlich ein Ausgleich auf lokaler Ebene (Verteilnetz) einem Ausgleich auf überregionaler Ebene (Übertragungsnetz) vorgezogen werden. Das Ziel des Projektes ist die prototypische Umsetzung der Plattform in der Modellregion Aachen.
Durch die Energiewende und Digitalisierung bedingt, ergeben sich neue Anforderungen an das industrielle Energiemanagement, wobei insbesondere die Energieinformationssysteme (EnIS) mehr leisten müssen.
Die zentrale Herausforderung liegt dabei in der Übersetzung der Datenbasis in konkrete Handlungsempfehlungen, was durch die Integration einer Datenanalytik (DA) in ein EnIS realisiert werden soll. In diesem Paper werden die damit verbundenen Anforderungen beschrieben und Lösungsansätze zur Integration einer DA vorgestellt.
Die Energiewende in Deutschland ist bereits in vollem Gange. Trotzdem hakt es aktuell noch bei der Einbindung der Industrie und der Suche nach Ideen zur Vermeidung von Netzausbaukosten. Ein Ansatz, diesen Status zu verändern, ist die Nutzung von Synergien aus den Treibern Energiewende und Industrie 4.0. Im Forschungsprojekt "EWIMA" entwickelt das Konsortium rund um den Konsortialführer FIR e. V. an der RWTH Aachen eine Lösung zur Realisierung regionaler virtueller Kraftwerke. Im Zentrum steht dabei eine IoT-Plattform (IoT: Internet of things, dt. Internet der Dinge), die das industrielle Energiemanagement einzelner Unternehmen erweitert und eine Vernetzung mehrerer Akteure in der Unternehmensnachbarschaft ermöglicht. Dadurch sollen Energieerzeugung, -speicherung und -verbrauch lokal begrenzter Einheiten, wie beispielsweise von Industriegebieten, energieformübergreifend optimiert werden. Die Lösung soll in fünf verschiedenen Anwendungsszenarien, den EWIMA-Hubs, in NRW prototypisch in der Praxis umgesetzt werden. Das Vorhaben wird im Rahmen des Leitmarktwettbewerbs VirtuelleKraftwerke.NRW durch den Europäischen Fonds für regionale Entwickung (EFRE.NRW) und die Landesregierung Nordrhein-Westfalen gefördert.
Die Zeiten, in der die Energiewende allein durch den Ausbau erneuerbarer Energien beschrieben werden konnte, sind vorbei und die Industrie wird zunehmend unter dem Begriff der Energieeffizienz in die Energiewende integriert. Energie-Auditierung und ISO-Zertifizierung sind dabei nur der Anfang. In diesem Beitrag wird das Internet der Dinge (IoT) als Lösungsansatz untersucht und dabei die Synergien von Energiewende und Industrie 4.0 betrachtet. Der Fokus liegt auf den mit dem IoT verbundenen Potentialen für Energieinformationssysteme und der darin vorhandenen Datenanalytik.
