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 - 6 af 6
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.

351-026_foto
Projekt nummer
351-026
Projektperiode: 2019 - 2020
SC Solution ApS

Konkret har projektet skabt et demonstrationsprojekt, hvor én af de største fødevare producerende virksomheder har kunne overholde de tekniske krav, der er for godkendelse til systemydelser.

Varmepumperne bruger ikke de styringsmæssige muligheder, der er til­gængelige i dag, og som kan være med til at sikre en energiøkonomisk driftform, i samspil med de øvrige energisystemer der findes i virksomheden og elnettet. 

Projekt nummer
350-048
Projektperiode: 2018 - 2020
Volfdesign.dk

Projektet udvikler en ny, behovsstyret ventilationsløsning, kaldet NOTECH. Løsningen er baseret på udnyttelse af naturligt dagslys, naturlig ventilation, samt naturlige materialer.

Projektet vil demonstrere, at ved at anvende naturlige materialer i udvendige og indvendige facader, ålegræs som isoleringsmateriale og klart glas i vinduerne, kan der opnås større bæredygtighed, lavere energiforbrug og et bedre indeklima med vægt på dagslyskvalitet, udstrakt grad af naturlig ventilation og bedre rumakustik.

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.).