EWIMA
Refine
Document Type
- Conference Proceeding (1)
- Contribution to a Periodical (2)
- Report (1)
Is part of the Bibliography
- no (4)
Keywords
- Abschlussbericht (1)
- Energie (1)
- Energiemanagement (3)
- NRW (1)
- U1021 (1)
- Wissensmanagement (2)
- machine learning (1)
- micro grids (1)
- waste management companies (1)
- übergreifende Koordination (2)
Institute
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.
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.
Durch die Energiewende getrieben, muss sich die Energielandschaft in Deutschland verändern, um wettbewerbsfähig zu bleiben. Im Rahmen der dafür durch den Gesetzgeber unterstützten Forschungsanstrengungen wird in dem Projekt ‚EWIMA‘ (Laufzeit 01.03.2017 – 29.02.2020) der Nutzen virtueller Kraftwerke evaluiert. In der letzten Projektphase liegt der Fokus auf der prototypischen Umsetzung des Projekts in fünf definierten Hubs in Nordrhein-Westfalen sowie der Validierung der Projektergebnisse in Feldversuchen. Das Vorhaben wird im Rahmen des Leitmarktwettbewerbs VirtuelleKraftwerke.NRW durch den Europäischen Fonds für regionale Entwickung (EFRE.NRW) und die Landesregierung Nordrhein-Westfalen gefördert.
