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.

350-037 illustration
Projekt nummer
350-037
Projektperiode: 2018 - 2019
NCC Danmark A/S

Der er to hovedresultater i projektet. Det ene er indsigten i, hvordan data mest effektivt indsamles og deles blandt aktørerne. Det andet er de indsigter som indsamlingen af data helt konkret har givet i forhold til bedre drift og design.

Projektets hovedformål er derfor at vise at systematisk dataopsamling giver muligheder for driftsoptimering, sikring af et godt indeklima, forbedret og optimeret projektering af fremtidens byggeri.

Køleanlæg illustration
Projekt nummer
349-040
Projektperiode: 2017 - 2019
JoMa Tech MSR IvS

En varmepumpe, der kan udnytte disse temperaturforskelle, vil have en bedre COP end konventionelle varmepumper, med en elbesparelse til følge.

CO2 post it
Projekt nummer
349-039
Projektperiode: 2017 - 2018
JoMa Tech MSR IvS

I langt de fleste forsøg opfører temperaturudviklingen sig som forventet ud fra teorien. Energierne er meget små, så der er store usikkerheder på disse målinger.

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.).