Projektdatabase
Projektdatabasen indeholder alle de projekter, som ELFORSK har støttet med midler. Der er en kort introduktion af projekternes formål og kontakt information for de igangværende projekter. For de projekter, som er færdige, er der en slutrapport med resultater, som du kan down loade.
Projektet ”Machine Learning til Energi- og Procesoptimering (MLEEP)” vil integrere machine learnings algoritmer direkte i 5 danske industrivirksomheder – alle med forskellige problemstillinger og udfordringer – og forsøge at belyse potentialer, muligheder og barrierer ved anvendelsen af kunstig intelligens til energi- og procesoptimeringer af produktionsanlæg.
Projektet vil konvertere elforbrug til en integreret løsning, hvor energibehovet minimeres ved at genvinde varme og bruge en varmepumpe.
Små og mellemstore virksomheder (SMV’er) oplever, at det er kompliceret at komme i gang med databaseret energiledelse. I projektet gennemføres en undersøgelse af SMV’ers konkrete ønsker til energiledelse, og der udvikles materiale og kurser til at opkvalificere installatører, der er den primære kilde til viden om energieffektivisering for SMV’er.
Formålet med projektet er at vise realiseringsmulighed og optimal tilgang for at substituere procesvarme fra forbrænding af fossile brændstoffer med 100 % el-baseret varme.
Projektet har til formål at udvikle algoritmer, som løbende og automatisk analyserer timedata for elforbrug i SMV'er og samkører disse data med data fra øvrige dataregistre (BBR, CVR, DMI m.m.).
Projektets formål er at designe et DDC til ventilationssystemer som vil minimere elforbruget til luftkonditionering ved udnyttelse af fx solvarme eller spildvarme.
Projektet medfinansierer et Ph.D.-studie, der fokuserer på modellering af affugterhjul og dugpunktskøler, der skal indgå som komponenter i et nyudviklet ventilationssystem Dessicant Dewpoint Cooling (DDC).