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.

352-046_3
Projekt nummer
352-046
Projektperiode: 2020 - 2022
MOE A/S

Projektet har undersøgt anvendelsen af generiske rum i stedet for rum med komplekse geometrier, hvorved der kan trænes metamodeller på de simplere generiske modeller. Undersøgelsen viste at de i høj grad kan erstatte de komplekse geometrier, med minimalt fald i præcision.

Formålet med projektet er at gøre simuleringsbaseret vurdering af performance for energi og indeklima lettere tilgængelig for beslutningstagere. Samtidig med at gøre det muligt at lave langt mere omfattende designundersøgelser, som omfavner de utallige muligheder i tidligt design

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.).