In den letzten Jahren ist die Aufgabe der Systemführung in Verbundnetzen der Übertragungsebene zunehmend komplexer geworden. Dennoch muss die Netzsicherheit erhalten bleiben. Die Online-Durchführung dynamischer Netzsicherheitsbewertungen (Online-DSA) dient hierbei als wichtiges Werkzeug für Netzbetreiber zur Beurteilung der Netzstabilität während des laufenden Netzbetriebs. Das übergeordnete Ziel des Vorhabens ist die Entwicklung von Modulen für Assistenzsysteme, die einen sicheren und gleichzeitig wirtschaftlichen Betrieb von Verbundnetzen mit geringer Trägheit und großem Anteil Erneuerbarer Energien ermöglichen. Dazu soll ein modulares DSA-System für die Bewertung der Systemsicherheit für Verbundsysteme mit geringer Rotationsenergie realisiert werden (Low Inertia Security Assessment System: LI-SA). Dieses besteht aus einem flexiblem Forschungs- und Entwicklungssystem (LI-SA-RD), einer Validierungs- und Erprobungsumgebung (LI-SA-VT), und einer dynamischen Echtzeitsimulation (LI-SA-RT), die über geeignete Schnittstellen miteinander verbunden werden. Damit sollen neuartige DSA-Module für kundenspezifische Problemstellungen entwickelt, aufgebaut und erprobt werden. Die spezifischen Ziele der Fraunhofer Institute beinhalten die Entwicklung verschiedene Verfahren zur Trägheitserkennung, Erkennung von Reglerinstabilitäten stromrichtergekoppelter Anlagen, Anomalieerkennung sowie der Aufbau eines modularen Forschungs- und Entwicklungssystems als flexible Plattform für die Entwicklung neuer Verfahren sowie als Benchmark System.
Das Projekt 'EVEKT' zielt darauf ab, Privatpersonen für eine erhöhte Partizipation an der Energiewende zu sensibilisieren und zu motivieren. Hierbei werden in einer sozialen Studie verschiedene Verbrauchergruppen differenziert und die Motivatoren der jeweiligen Gruppe identifiziert. Es wird auch die Akzeptanz der Verbraucher für verschiedene KI- und Automatisierungsszenarien ermittelt. Es sollen im Rahmen des Projekts KI-Algorithmen entwickelt werden, welche den Stromverbrauch genauer analysieren. So soll anhand der Smart-Meter-Daten eine Charakterisierung und Disaggregation verschiedener Haushaltslasten möglich sein. Anhand von Benchmarks soll ein positives Verbrauchsverhalten identifiziert werden, sowie konkrete Hinweise zum Energiesparen gegeben werden. Zudem soll eine Web-App entwickelt werden, über welche dem Verbraucher die Verbrauchsdaten und Energiespartipps anschaulich dargestellt werden. In dieser App werden verschiedene Designs und in der Verbraucherstudie ermittelte Motivatoren umgesetzt. Es findet im Rahmen des Projekts ein Monitoring von drei Testhaushalten über einem Zeitraum von einem dreiviertel Jahr statt, um die Algorithmen zu testen. Durch Testphasen und Nutzerfeedback werden sowohl der Algorithmus als auch die App iterativ verbessert. Über die gesamte Projektlaufzeit wird das Vorhaben rechtlich begleitet. Somit werden Belange des Datenschutzes sichergestellt und die rechtlichen Parameter für eine weitere Nutzung der Technologie erarbeitet. Ebenso findet eine Technikfolgenabschätzung des Disaggregationsalgorithmus sowie die Ermittlung datenbasierter Mehrwertdienste statt.
Das Projekt 'EVEKT' zielt darauf ab, Privatpersonen für eine erhöhte Partizipation an der Energiewende zu sensibilisieren und zu motivieren. Hierbei werden in einer sozialen Studie verschiedene Verbrauchergruppen differenziert und die Motivatoren der jeweiligen Gruppe identifiziert. Es wird auch die Akzeptanz der Verbraucher für verschiedene KI- und Automatisierungsszenarien ermittelt. Es sollen im Rahmen des Projekts KI-Algorithmen entwickelt werden, welche den Stromverbrauch genauer analysieren. So soll anhand der Smart-Meter-Daten eine Charakterisierung und Disaggregation verschiedener Haushaltslasten möglich sein. Anhand von Benchmarks soll ein positives Verbrauchsverhalten identifiziert werden, sowie konkrete Hinweise zum Energiesparen gegeben werden. Zudem soll eine Web-App entwickelt werden, über welche dem Verbraucher die Verbrauchsdaten und Energiespartipps anschaulich dargestellt werden. In dieser App werden verschiedene Designs und in der Verbraucherstudie ermittelte Motivatoren umgesetzt. Es findet im Rahmen des Projekts ein Monitoring von drei Testhaushalten über einem Zeitraum von einem dreiviertel Jahr statt, um die Algorithmen zu testen. Durch Testphasen und Nutzerfeedback werden sowohl der Algorithmus als auch die App iterativ verbessert. Über die gesamte Projektlaufzeit wird das Vorhaben rechtlich begleitet. Somit werden Belange des Datenschutzes sichergestellt und die rechtlichen Parameter für eine weitere Nutzung der Technologie erarbeitet. Ebenso findet eine Technikfolgenabschätzung des Disaggregationsalgorithmus sowie die Ermittlung datenbasierter Mehrwertdienste statt.
Das Projekt 'EVEKT' zielt darauf ab, Privatpersonen für eine erhöhte Partizipation an der Energiewende zu sensibilisieren und zu motivieren. Hierbei werden in einer sozialen Studie verschiedene Verbrauchergruppen differenziert und die Motivatoren der jeweiligen Gruppe identifiziert. Es wird auch die Akzeptanz der Verbraucher für verschiedene KI- und Automatisierungsszenarien ermittelt. Es sollen im Rahmen des Projekts KI-Algorithmen entwickelt werden, welche den Stromverbrauch genauer analysieren. So soll anhand der Smart-Meter-Daten eine Charakterisierung und Disaggregation verschiedener Haushaltslasten möglich sein. Anhand von Benchmarks soll ein positives Verbrauchsverhalten identifiziert werden, sowie konkrete Hinweise zum Energiesparen gegeben werden. Zudem soll eine Web-App entwickelt werden, über welche dem Verbraucher die Verbrauchsdaten und Energiespartipps anschaulich dargestellt werden. In dieser App werden verschiedene Designs und in der Verbraucherstudie ermittelte Motivatoren umgesetzt. Es findet im Rahmen des Projekts ein Monitoring von drei Testhaushalten über einem Zeitraum von einem dreiviertel Jahr statt, um die Algorithmen zu testen. Durch Testphasen und Nutzerfeedback werden sowohl der Algorithmus als auch die App iterativ verbessert. Über die gesamte Projektlaufzeit wird das Vorhaben rechtlich begleitet. Somit werden Belange des Datenschutzes sichergestellt und die rechtlichen Parameter für eine weitere Nutzung der Technologie erarbeitet. Ebenso findet eine Technikfolgenabschätzung des Disaggregationsalgorithmus sowie die Ermittlung datenbasierter Mehrwertdienste statt.
Das Projekt 'EVEKT' zielt darauf ab, Privatpersonen für eine erhöhte Partizipation an der Energiewende zu sensibilisieren und zu motivieren. Hierbei werden in einer sozialen Studie verschiedene Verbrauchergruppen differenziert und die Motivatoren der jeweiligen Gruppe identifiziert. Es wird auch die Akzeptanz der Verbraucher für verschiedene KI- und Automatisierungsszenarien ermittelt. Es sollen im Rahmen des Projekts KI-Algorithmen entwickelt werden, welche den Stromverbrauch genauer analysieren. So soll anhand der Smart-Meter-Daten eine Charakterisierung und Disaggregation verschiedener Haushaltslasten möglich sein. Anhand von Benchmarks soll ein positives Verbrauchsverhalten identifiziert werden, sowie konkrete Hinweise zum Energiesparen gegeben werden. Zudem soll eine Web-App entwickelt werden, über welche dem Verbraucher die Verbrauchsdaten und Energiespartipps anschaulich dargestellt werden. In dieser App werden verschiedene Designs und in der Verbraucherstudie ermittelte Motivatoren umgesetzt. Es findet im Rahmen des Projekts ein Monitoring von drei Testhaushalten über einem Zeitraum von einem dreiviertel Jahr statt, um die Algorithmen zu testen. Durch Testphasen und Nutzerfeedback werden sowohl der Algorithmus als auch die App iterativ verbessert. Über die gesamte Projektlaufzeit wird das Vorhaben rechtlich begleitet. Somit werden Belange des Datenschutzes sichergestellt und die rechtlichen Parameter für eine weitere Nutzung der Technologie erarbeitet. Ebenso findet eine Technikfolgenabschätzung des Disaggregationsalgorithmus sowie die Ermittlung datenbasierter Mehrwertdienste statt.
Multibeam bathymetry raw and processed data (RESON Seabat T50Extended Range) of Research Vessel Littorina at Fehmarn Belt in the western part of the Baltic Sea. The raw data (.db format) were processed using QPS Qimera software (v 1.7), based on the following workflow: 0.Raw data -> 1.Apply correct Sound Velocity Profiles -> 2. correct lever arm offsets -> 3. Finalize with manual 2D and 3D point editing. The corrected soundings were used to create a GeoTIFF (EPSG Code:4326) .gsf data and GeoTIFF are provided.
Multibeam bathymetry raw and processed data (RESON Seabat T50Extended Range) of Research Vessel Littorina at Fehmarn Belt in the western part of the Baltic Sea. The raw data (.db format) were processed using QPS Qimera software (v 1.7), based on the following workflow: 0.Raw data -> 1.Apply correct Sound Velocity Profiles -> 2. correct lever arm offsets -> 3. Finalize with manual 2D and 3D point editing. The corrected soundings were used to create a GeoTIFF (EPSG Code:4326) .gsf data and GeoTIFF are provided. In addition software is provided with the aim of establishing a benchmark for terrain based navigation correction software using mutlibeam data. A) A script that allows to alter navigation solutions B) A script that allows to compare navigation solutions By altering the original and correct navigation and using the product as a basis for a terrain based navigation correction algorithm, the quality of such an algorithm can be measured by comparing its output to the original navigation. This in turn allows quantitative comparisons between different algorithms or settings. In addition to the original navigation some altered navigation files are provided (in .csv file format).
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.
Der horizontale Wind nimmt eine Schlüsselrolle in der Dynamik der Atmosphäre ein. Insbesondere beeinflusst er die Ausbreitung und Dissipation von Schwerewellen und thermischen Gezeiten in der mittleren Atmosphäre. Simultane Wind- und Temperaturmessungen bieten dabei die einzigartige Möglichkeit, sowohl kinetische als auch potentielle Energiedichten der Schwerewellen zu berechnen, aus denen wiederum intrinsische Wellenparameter ableitbar sind. Windmessungen in der mittleren Atmosphäre sind jedoch insbesondere im Höhenbereich zwischen 35 und 75 km sehr selten, da hier weder Radiosonden noch Radars Daten liefern und Wind-Radiometer bzw. Satelliten keine für die Untersuchung von Schwerewellen ausreichend große Genauigkeit und Auflösung haben. Deshalb wollen wir in Kühlungsborn/Deutschland (54° N, 12° O) ein neues Lidar aufbauen, mit dem bei gekippten Teleskopen der Horizontalwind aus der Dopplerverschiebung der Rayleigh-Rückstreuung bestimmt werden kann. Neben der Erstellung einer Wind-Klimatologie steht vor allem die Untersuchung der Ausbreitung von Trägheitsschwerewellen in der mittleren Atmosphäre im Vordergrund. Dazu werden wir u.a. horizontale und vertikale Impulsflüsse und die Höhe des Impulsübertrags an die Hintergrundatmosphäre bestimmen. Diese für die Energiebilanz der Atmosphäre wesentlichen Parameter liefern wichtige Vergleichsgrößen für Zirkulationsmodelle. Ferner werden wir intrinsische Welleneigenschaften aus Wind-Hodographen analysieren, die für andere bodengebundene Messsysteme in der Regel nicht zugänglich sind. Unter Einbeziehung des lokalen Hintergrundwindes sollen aufwärts und abwärts propagierende Schwerewellen eindeutig getrennt und quantifiziert werden. Die Analysen werden insgesamt unser Verständnis der vertikalen Kopplung und der zu Grunde liegenden Zirkulation in der mittleren Atmosphäre deutlich verbessern. Das neue Lidarsystem ergänzt ein in Nordnorwegen am ALOMAR-Observatorium (69° N, 16° O) vorhandenes Windlidar, welches ebenfalls vom IAP betrieben wird. In diesem Projekt wird die dabei erworbene Expertise genutzt, um die Entwicklungsrisiken für das neue Lidar zu minimieren und schwerpunktmäßig Windmessungen in der mittleren Atmosphäre durchzuführen und zu interpretieren.
| Origin | Count |
|---|---|
| Bund | 530 |
| Land | 13 |
| Wissenschaft | 24 |
| Type | Count |
|---|---|
| Förderprogramm | 488 |
| Messwerte | 3 |
| Strukturierter Datensatz | 6 |
| Text | 23 |
| Umweltprüfung | 1 |
| unbekannt | 45 |
| License | Count |
|---|---|
| geschlossen | 48 |
| offen | 514 |
| unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 414 |
| Englisch | 227 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Datei | 3 |
| Dokument | 11 |
| Keine | 363 |
| Unbekannt | 1 |
| Webseite | 187 |
| Topic | Count |
|---|---|
| Boden | 355 |
| Lebewesen & Lebensräume | 308 |
| Luft | 260 |
| Mensch & Umwelt | 563 |
| Wasser | 251 |
| Weitere | 534 |