Ansvarlig virksomhed

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.

Viser 1 - 5 af 5
Projekt nummer
221-496435
Projektperiode: 2023 - 2025
Viegand Maagøe A/S

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.

Buster Nissen foran prototypeanlægget 350-007
Projekt nummer
350-007
Projektperiode: 2018 - 2020
NB Ventilation A/S

Hele ventilationsanlægget er designet til lavt energiforbrug, så temperaturgenvindingen i gennemsnit ved tør genvinding opnår 82-85 % effektivitet i opvarmningsperioden og dermed lever op til fremtidens krav og bygningsreglementer.

Målet med projektet er udvikling og langtidsdemonstration af et mindre decentralt ventilationsanlæg med kapacitet på op til 1200 m³/h, hvor en overfladebelagt aluminiumsmodstrømsveksler med høj varmegenvinding kombineres med indirekte adiabatisk køling.

Foto: Projekt 349-055
Projekt nummer
349-055
Projektperiode: 2017 - 2019
Free Energy A/S

Projektet har eftervist, at varmepumper yderligere kan optimeres ved anvendelse af solvarme og jordvarmelagre

I projektet er undersøgt, hvorledes et elbaseret energieffektivt varmesystem med jordvarmelager af stenmel udbredt til skoler og institutioner kan reducere varmeregningen for brugerne samt forbedre driftsforholdene for elnettet.

Projekt nummer
349-023
Projektperiode: 2017 - 2019
Viegand Maagøe A/S

Der er udviklet et modelværktøj, der systematisk kan identificere og klassificere energibesparelsespotentialer ved at kombinere forskellige elforbrugsdata.

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.).