ELFORSK-projekter skubber grænserne for fleksibilitet og energieffektivitet

MLEEP skaber energieffektivitet i industrien gennem machine learning

Danske industrivirksomheder har adgang til værdifulde procesdata, men udnytter sjældent deres fulde potentiale. MLEEP-projektet tager skridtet mod at ændre dette ved at integrere Machine Learning-algoritmer direkte i produktionsprocesser.

Projektet vil implementere modellerne i fem casestudier og er allerede i gang med to af dem, nemlig Viking Malt og Avista Green. I samarbejde med Viking Malt er der udviklet en hybridmodel, der fokuserer på at optimere spiringsprocessen for byg. Undersøgelserne peger bl.a. på, at en betydelig energibesparelse kan opnås ved at reducere vandindholdet i malten, inden det sendes til tørring. Projektkonsortiet forventer, at det kan resultere i årlige besparelser på op til 5% af fabrikkens samlede energiforbrug.

Projektet går nu ind i implementeringsfasen, hvor modellerne opsættes i praksis hos Viking Malt og bruges til at give løbende anbefalinger til operatørerne. Det vil give mulighed for en nøje evaluering af modellernes effektivitet, og de faktiske energibesparelser vil blive vurderet i løbet af de kommende måneder.

For Avista Green er projektet i gang med dataindsamling og begyndende udvikling af Machine Learning-modeller. Datagrundlaget om energiforbruget er ved at blive etableret, og udvikling og implementering af modellerne forventes inden for det næste halve år.

EFFORT tager sig af kapacitet i Hirtshals Havn

Hirtshals Havn forbereder sig på en omfattende udvidelse, og projektet EFFORT er dedikeret til at sikre, at elnettet kan håndtere den stigende belastning.

Inspireret af udfordringer i Holland, hvor kapacitetsproblemer er opstået på grund af stigningen i vedvarende energianlæg og behovet for strøm til nye store industrier, fokuserer projektet bl.a. på at optimere samspillet med elnettet i Hirtshals.

For at imødekomme mulige fremtidsscenarier, er det nødvendig at have en idé om, hvordan udviklingen på havnen påvirker elnettet. Derfor er modellering af elnettet på både 60kV, 10 kV og 400V et af fokuspunkterne, da det skaber grundlaget for at lave et roadmap for energistabilitet i et scenarie med en voksende industri og øget behov for infrastruktur på havnen.

Nord Energi Net har allerede bidraget med data og modeller, og Aalborg Universitet arbejder på at udvide disse modeller for at imødekomme de forskellige scenarier i projektet. Undervejs vil projektet også undersøge, hvordan fleksibilitetstjenester fra industrien i havnen kan bidrage til at stabilisere elnettet i fremtiden.

e2flex skubber grænserne for fleksibilitet i energidistribution

e2flex-projektets primære mål er at undersøge, hvordan forskellige kundeprofiler påvirker energiforbruget og omfordelingen i distributionsnettet. Samtidig søger projektet at udvikle fleksibilitetsprodukter, som DSO'er kan bruge til at løse udfordringer med overbelastning og synkronisering.

De indledende resultater fra projektet viser en markant stigning i den gennemsnitlige maksimale belastning pr. oplader for elektriske køretøjer. Projektkonsortiet udvikler i øjeblikket alle de nødvendige grænseflader og rekrutterer elbilsbrugere for at muliggøre demonstration af fleksibilitetsprodukter, der kan løse overbelastning i nettet og samtidig kvantificere værdien af fleksibilitet.

De næste skridt i projektet vil være at undersøge, hvilken betydning kundernes adfærd har på netbelastningen, brugernes villighed til at bidrage til fleksibilitet for DSO'en, og om DSO-tjenester kan leveres med en tilstrækkelig pålidelighed, der kan gøre det til et effektivt alternativ til netforstærkning.