API src

Found 577 results.

Other language confidence: 0.7530123552109022

Vom Erdeisspeicher zum netzaktiven Prosumer-Quartier, Teilvorhaben: Entwicklung und Umsetzung von ganzheitlichen Geschäftsmodellen

Vorhabensziel des Projekts ist die Überführung des im Vorgängervorhaben 'ErdEis II' umgesetzten Erdeisspeichers in den Vollbetrieb, das wissenschaftliche Monitoring und Benchmarking sowie die Entwicklung eines District Energy Management Systems (DEMS). Hierzu sollen verschiedene Betriebsmodi getestet, die Betriebsweise aufbauend auf den Ergebnissen optimiert, der Einfluss verschiedener Parameter modellgestützt nachvollzogen und das Kalte Nahwärmesystem mit Erdeisspeicher bestmöglich für die Gesamtsystemoptimierung mittels DEMS genutzt werden. Im zukünftigen Energiesystem wird nicht mehr allein auf Energieeffizienz respektive End- und Primärenergiebedarf optimiert werden können. Vielmehr spielt Flexibilität eine zunehmende Rolle, die schließlich gekoppelt an die Verfügbarkeit erneuerbarer elektrischer Energie den tatsächlichen CO2-Ausstoß bestimmen wird. Inzwischen sind Schnittstellen verfügbar, die über Vorhersagen zur CO2-Intensität des Stromnetzes eine entsprechende Optimierung ermöglichen. Diese Optimierung hat im Gesamtkonzept nicht nur wärme- bzw. kälteseitig zu erfolgen, sondern ganzheitlich die Bedarfe und Flexibilitäten des Kalten Nahwärmenetzes, der Haushaltsstromverbräuche, Mobilitätsbedarfe und Eigenenergieerzeugung miteinzuschließen. So kann ein Gesamtoptimum erreicht und Optimierungen von Teilsystemen, die zu Lasten der Gesamtemissionen gehen, vermieden werden. Entsprechend müssen auch Bewertungs- und Benchmarkingmethoden passend weiterentwickelt werden.

Forschergruppe (FOR) 1898: Mehrskalendynamik von Schwerewellen, Spontanes Ungleichgewicht (SI)

Schwerewellen (GWs) sind zu kleinskalig, um in den heutigen Wetter- und Klimamodellen aufgelöst zu werden. Sie müssen daher parametrisiert werden, da sie einen starken Einfluss auf die Dynamik der großen Skalen haben. Parametrisierungen existieren für orographisch und konvektiv erzeugte GWs, während für die GW-Quellen entlang großskaliger Jets noch keine etablierte Parametrisierung vorliegt. Die Quellen resultieren aus einer spontanen Imbalance (SI) der großskaligen quasi-geostrophischen Strömung. Die Untersuchung von Schwerewellenabstrahlung durch SI ist schwierig, da die GWs in ein sehr komplexes zeitabhängiges Strömungsfeld eingebettet sind, mit einer großen Zahl von interagierenden Prozessen. Auch die Validierung von Parametrisierungen wird dadurch erschwert. Daher kombinieren wir Theorie und numerische Modellierung mit ergänzenden Laborexperimenten. Laborexperimente garantieren eine Reproduzierbarkeit der betrachteten großskaligen Strömungssituation. Die direkte Korrespondenz zwischen den experimentellen Daten und den Modelldaten und die erwähnte Reproduzierbarkeit machen das Laborexperiment zu einem idealen Prüfstand für Parametrisierungen und für die Untersuchung klimarelevante Prozesse. Das differenziell beheizte rotierende Zylinderspalt-Experiment, welches an der BTU (Brandenburg Technische Universität Cottbus-Senftenberg) aufgebaut und betrieben wird, stellt die Referenzdaten für Benchmark-Simulationen an der GU-F (Goethe Universität Frankfurt) und dem IAP (Leibniz Institut für Atmosphärische Physik, Kühlungsborn) bereit. Dabei stehen Experimente im Vordergrund, die zeigen sollen, welche baroklinen Strömungen eine besonders ausgeprägte GW-Abstrahlung aufweisen. Ergänzend dazu werden idealisierte numerische Simulationen an der GU-F und dem IAP durchgeführt, um die Variabilität der GWs und den Abstrahlungsprozess zu untersuchen. Wichtig ist dabei, einen Zusammenhang zwischen verschiedenen großskaligen Strömungen und der mesoskaligen GW-Quelle herzustellen und diesen Zusammenhang mittels grob aufgelöster Wellenstrahlenmodelle zu validieren. Ziel ist es, eine skalenabhängige SI-Parametrisierung zu konstruieren. Diese Parametrisierung soll mit Hilfe der Labor-Referenzdaten validiert werden. Begleitet wird dies von einer Analyse grob- und feinaufgelöster Daten aus UA-ICON Simulationen. Schließlich soll die Parametrisierung an das Wellenstrahlenmodell MS-GWaM angekoppelt werden, welches in UA-ICON implementiert ist.

Energy-Efficient Large-Scale Artificial Intelligence for Sustainable Data Centers, Teilvorhaben: Neuromorphic Hardware for Sustainable Al Data Centers

System zur Minimierung des PUE durch Anwendung von Retrofit-Technologien in Kälte-Systemen von Rechenzentren, Teilvorhaben: Kältesystemanalyse und Begleitforschung

Innerhalb versorgungstechnischer Systeme (z. B. Kälteerzeugungssystemen) interagieren verschiedene Energiewandlungstechnologien, die häufig über dezentrale Regelungslogiken gesteuert werden. Deren mangelnde Abstimmung führt zu einem ineffizienten Betrieb der Gesamtsysteme. Den Verantwortlichen sind die Ineffizienzen durch falsche oder starre Sollwerte und Dimensionierungen oft nicht bewusst. Die Komplexität der Zusammenhänge und sich ständig verändernde Einflussfaktoren erschweren zusätzlich das Benchmarking und die Dimensionierung der Komponenten. Im geplanten Forschungsvorhaben wird eine KI-gestützte Optimierungslösung für Kälteanlagen aufgebaut, um eine modellgestützte Bewertung und Entscheidungshilfe für Retrofitmaßnahmen zu entwickeln. Diese Entscheidungshilfe ermöglicht die Analyse und Effizienzsteigerung der Komponenten in Abhängigkeit von den tatsächlichen Betriebsregimen der Anlagen. Entscheidungsvariablen, die im EISKIG-Vorhaben unveränderliche Parameter waren, werden nun optimiert (z. B. maximale Anlagenleistung, zulässige Betriebspunkte). Der Fokus dieses Projekts liegt ausschließlich auf der Versorgungstechnik von Rechenzentren. Zu Beginn wird der IST-Zustand des Energiesystems der Kälteversorgung im Rechenzentrum der Anwendungspartner mittels eines 'Digitalen Zwillings' beschrieben und untersucht. Die Untersuchungen konzentrieren sich auf folgende Energiewandlungskomponenten der Kälteerzeugung: Pumpen, Kompressionskältemaschinen, Wärmeübertrager, Ventile, Rückkühlwerke/Kühltürme (nass, trocken, adiabat), Wärmeübergabestationen. Mit dem digitalen Zwilling lassen sich verschiedene Retrofit-Maßnahmen simulieren und hinsichtlich Wirtschaftlichkeit und Emissionsminderung durch Energiekosteneinsparungen bewerten. Die Anwendungspartner erhalten auf dieser Basis Handlungsempfehlungen für wirtschaftlich umsetzbare Retrofit-Maßnahmen, einschließlich der Gegenüberstellung der IST-Situation mit branchenüblichen Durchschnittswerten.

Forschungscluster Modellfabrik Papier: Klimaneutrale Papiererzeugung, TPf: Minimaler Energieeinsatz und optimierte Energiebereitstellung für eine klimaneutrale Papiererzeugung

Hocheffizientes Recycling von Li-Ionen Aktivmaterialien aus Rund- und Knopfzellen

Internationales Benchmarking zur Verifizierung und Validierung von TH²M-Simulatoren insbesondere im Hinblick auf fluiddynamische Prozesse in Endlagersystemen - Erweiterung auf multiphysikalische Ansätze und mehrdimensionale Modellgeometrien, Teilprojekt B

H2Giga: Serienproduktion von Elektrolyseuren im Gigawatt-Bereich, Teilvorhaben: Aufbau eines Materialflusses für die Serienproduktion von PEM Elektrolyseuren - Anpassung und Vorbeugung von Engpässen in den Aufarbeitungskapazitäten für Pt- & Ir-Materialströmen, sowie Schließung des Kreislaufs durch die Katalysatorherstellung

Machbarkeitsstudie Deutschlandweite Befragung von Unternehmen zur Klimawandelanpassung

Die Folgen des Klimawandels bergen ökonomische Risiken für Unternehmen. Die physische Klimarisiken - insb. Extremwetterereignisse, veränderte Niederschlagsmuster und erhöhte Durchschnittstemperaturen - können zu Produktionsrückgängen, steigenden Rohstoffkosten und Gebäudeschäden führen. Nach einer aktuellen Studie des Umweltbundesamts berichten nur etwa die Hälfte der DAX-30-Unternehmen zu diesen Risiken. Dabei schätzt allein diese Gruppe die potenziellen Schäden auf einen Gesamtwert von mehreren Milliarden Euro. Über das Risikobewusstsein in anderen Unternehmen, insbesondere KMU, ist wenig bekannt. Ziel dieses Vorhabens ist es, eine Machbarkeitsstudie für die Befragung von Unternehmen bezüglich Klimarisiken und des Umgangs mit Klimawandelanpassung zu erstellen. Dabei sollen die Möglichkeiten eine repräsentative Erhebung, etwa im Rahmen existierender Unternehmenspanels, eruiert, mögliche Fragenkomplexe entworfen sowie ein handbares Konzept erstellt werden. Auch sollen vergleichbare Erhebungen in anderen OECD-Ländern als Benchmark recherchiert werden. In einer Themenkonferenz im 3. Projektjahr sollen Zwischenergebnisse mit der Zielgruppe diskutiert werden.

Vorhersage von Schüttungen alpiner Karstquellen im Hinblick auf den Klimawandel unter Verwendung neuer Deep Learning-Methoden

Karstgrundwasserleiter spielen im Alpenraum eine wichtige Rolle. Sie bedecken etwa 56% der Fläche, und ein erheblicher Teil der Bevölkerung ist ganz oder teilweise von Trinkwasser aus Karstquellen abhängig, die oft mit wertvollen Ökosystemen verbunden sind und zur Wasserkrafterzeugung beitragen. Die Alpen zählen nach Studien zu den am stärksten vom Klimawandel betroffenen Gebieten in Europa. Als Folge der steigenden Temperaturen werden sich die gespeicherten Mengen an Schnee und Eis stark verringern, was zu einer Verschiebung zwischen Wasserhaushaltskomponenten in Verbindung mit einer saisonalen Umverteilung der Niederschläge führt. Außerdem wird erwartet, dass Hoch- und Niedrigwasserereignisse häufiger auftreten werden. Der Stand der Technik bei der Modellierung der Schüttung von Karstquellen, meist mittels konventioneller numerischer Modelle, ist auf standortspezifische, oft aufwändige und nicht übertragbare wissenschaftliche Studien beschränkt, die manuelle Modellabstimmung und Kalibrierung erfordern. Bis heute gibt es keinen leicht übertragbaren Ansatz, der gleichzeitig auf viele Karstquelleinzugsgebiete anwendbar ist. In diesem Projekt werden wir einen modernen, Deep-Learning basierten Ansatz zur Modellierung der Schüttung von Karstquellen entwickeln, der sich besonders gut eignet, übertragbare Modelle, die Informationen von verschiedenen Standorten nutzen können, aufzubauen. Deep Learning ist ein Teilgebiet des maschinellen Lernens, basierend auf künstlichen neuronalen Netzen, das sich sowohl bei akademischen als auch bei industriellen Anwendungen als sehr erfolgreich erwiesen hat. Die vorgeschlagene Studienregion sind die Alpen, mit Karstgebieten in Österreich, der Schweiz, Deutschland, Frankreich, Italien und Slowenien, mit einem Schwerpunkt auf dem besonders vom Klimawandel betroffenen von der Alpenkonvention abgegrenzten Gebirgsgebiet. Als Grundlage der Studie dient das World Karst Spring Database (WoKaS). Es wird im Laufe des Projekts mit zusätzlichen Daten von Behörden und Wasserversorgern ergänzt, insbesondere in Regionen mit bislang schlechter Abdeckung. Die Arbeiten beinhalten die Erstellung eines umfassenden Datensatzes mit Einzugsgebietsattributen und meteorologischen Einflussgrößen für etwa 150 Quellen. Klassische Lumped-Parameter-Modelle werden als Benchmarks aufgesetzt und mit den neu entwickelten Deep-Learning basierten Modellergebnissen verglichen. Ziel ist es, die Eignung neuartiger Deep-Learning Modellansätze für die Abschätzung der Auswirkungen des Klimawandels für eine Vielzahl von kurz- und langfristigen Vorhersagen zu untersuchen. Eine vertiefende Fallstudie des Dachsteingebietes, dessen große Karstregion wesentlich zur Wasserversorgung und Wasserkrafterzeugung beiträgt, wird die vergleichende Untersuchung mit einem numerischen 3D-Modell erweitern. Schließlich werden die entwickelten Modelle dazu verwendet, um Auswirkungen des Klimawandels auf die alpinen Karstgrundwasserressourcen vorherzusagen.

1 2 3 4 5 … 56 57 58