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.
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.).
Projektet undersøger mulighederne for optimering af varmgasafrimning på industrielle køleanlæg. Projektet vil udnytte muligheden for at sænke det samlede anlægs energiforbrug betydeligt gennem dels optimering af fordamper-, system- og styringsdesign og dels ved at indsætte en separat seriel kompressor, således at kun den nødvendige mængde varmegas hæves til den ønskede temperatur og tryk til afrimningen.
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).