Menü
Startseite » Forschung » Künstliche Intelligenz für Energiesysteme

Künstliche Intelligenz für Energiesysteme

Immer performantere Rechensysteme, effizientere Algorithmen und große Datenmengen in der zunehmend digitalisierten Industrie eröffnen neue Potenziale zur Nutzung Künstlicher Intelligenz. Industrielles Energiemanagement ist komplex und wird mit steigenden Energieeffizienzvorgaben zunehmend schwieriger. Unsere Vision: Smarte Software-Systeme assistieren dem Menschen bei optimaler Auslegung, Überwachung, Betrieb und Wartung von (Energie-)Systemen in der Produktion. Deshalb forschen wir an folgenden Themenstellungen:

1 | Energie- und marktadaptive Betriebsplanung und -optimierung

Vielfältige Einflussgrößen, hoch komplexe energetische Interaktionen und die Einbindung von dynamischen Energiemärkten sowie Energienebenkosten erschweren die effiziente Betriebsführung von Energiesystemen mit konventionellen Regelsystemen. Wir untersuchen Daten- und Modell-gestützte Verfahren zur online- und offline Betriebsplanung sowie -optimierung. Neben „klassischer“ mathematischer Optimierung kommen Verfahren des Maschinellen Lernens zum Einsatz.

2 | Prognosen für Energiebedarf und -erzeugung

Voraussetzung für die Betriebsoptimierung und einen effizienten Energiehandel ist die Kenntnis des zukünftigen Energiebedarfs und der Eigenerzeugung. Mittels verschiedener Verfahren der Statistik bzw. des Maschinellen Lernens können Wirkzusammenhänge erkannt und die Dynamik der Energieflüsse antizipiert werden.

3 | Prädiktive Bauteilprüfung und Wartung auf Basis von Energiedaten

Der Energiebedarf von physikalischen Systemen korreliert häufig mit den Zuständen verschiedener Komponenten. Mittels Maschinellem Lernens können auch komplexe Muster erkannt werden, die auf Bauteilfehler oder Komponentenverschleiß schließen lassen. Wir untersuchen Verfahren, mit denen Anomalien auf Basis der Energiedaten detektiert und bereits vor dem Auftreten vorhergesagt werden können.

4 | Energiemanagement Expertensysteme

In der sehr heterogenen Produktionslandschaft werden häufig sehr individuelle und komplexe Maßnahmen im Rahmen des Energiemanagements identifiziert. Wir untersuchen inwieweit ein Computerprogramm als Experte den Menschen unterstützen kann, indem es Handlungsempfehlungen aus einer Wissensbasis ableitet.

5 | Bilderkennung zur Unterstützung des Energiemanagements

Mittels Kameras können in unterschiedlichen Anwendungsfeldern zusätzliche Daten generiert werden, die das Energiemanagement unterstützen können. Wir untersuchen die Potenziale und Ansätze der Bilderkennung und Datenverarbeitung zur Umsetzung.

6 | Mensch-Maschine-Schnittstellen für das Energiemanagement

Die Interaktion mit Energiedaten und einem Energiemanagementsystem kann komplex und aufwändig sein. Wir forschen an Ansätzen im Bereich der assistierenden Mensch-Maschine-Schnittstellen, um das Energiemanagement zu unterstützen.

Überblick

kuenstliche_intelligenz
  • Energie- und marktadaptive Betriebsplanung und -optimierung
  • Prognosen für Energiebedarf und -erzeugung
  • Prädiktive Bauteilprüfung und Wartung auf Basis von Energiedaten
  • Energiemanagement Expertensysteme
  • Bilderkennung zur Unterstützung des Energiemanagements
  • Mensch-Maschine-Schnittstellen für das Energiemanagement

Kontakt