Das Projekt unterstützt den Aufbau einer sicheren digitalen Infrastruktur, um den netzseitigen Herausforderungen der weiteren Energie- und Verkehrswende zu begegnen und eine effiziente Ausnutzung der bestehenden Verteilnetze zu unterstützen. Durch das Angebot von Mehrwertlösungen auf Basis des Controllable Local System (CLS) Kanals, also der 'Steuerungsschnittstelle' eines Smart Meter Gateways, werden weitere Kundengruppe für den Aufbau dieser digitalen Infrastruktur erschlossen. Diese damit erreichten Skaleneffekte führen wiederum dazu, dass Infrastruktur und Mehrwerte kostengünstiger angeboten werden können und fungieren damit gleichzeitig als Katalysator für die Energiewende. Um die o.g. Effekte zu realisieren, wird das Projekt eMpowerSYS die gesamte Prozesskette vom grundzuständigen Messstellenbetreiber über die WAN-Kommunikation bis zum Letztverbraucher/Kunden abbilden. Ziel ist die Realisierung einer technischen Lösung im Feld, die in der Lage ist, die Mehrwerte auf Basis des intelligenten Messsystems als sicherer Kommunikationsanker anzubieten und zu steuern. Dabei stehen attraktive Kundenangebote (Smart Home, Smart Building) ebenso im Fokus wie eine effiziente und wirtschaftliche Nutzung der Stromnetze (Smart Grid, Smart Mobility) oder Smart City-Funktionalitäten (exemplarisch Steuerung der Straßenbeleuchtung).
<p>MiCoDa is a searchable database that hosts over 30,000 samples of processed 16S rRNA gene amplicon sequences from aquatic, host-associated, and mineral environments, spanning the entire globe. To improve cross-study comparability, all samples in MiCoDa have been sequenced in the same region of the 16S rRNA gene (between base pairs 515 and 806). MiCoDa also hosts the Earth Microbiome Project samples, processed in the same manner. MiCoDa is currently the largest public, human-curated microbiome database available. Its goal is to encourage the reuse of extant sequence data by specialists and non-specialists alike. To this end, we have manually curated the data and metadata included, preprocessed the sequence data to maximize comparability, and created a searchable data portal. MiCoDa is led by Dr. Stephanie Jurburg (microbial ecology), and hosted and supported by the Integrative Biodiversity Data and Code Unit of the German Centre for Integrative Biodiversity Research (iDiv) Halle-Jena-Leipzig, the Microbial Interaction Ecology group of the Helmholtz Centre for Environmental Research- Leipzig and the FUSION group of Friedrich Schiller Universität- Jena. For more information about MiCoDA and the Data Collection, visit https://micoda.idiv.de/v1/dataCollection </p><p>[This dataset was processed using the GBIF Metabarcoding Data Toolkit.]</p>
Die Klimakrise verändert zunehmend die räumliche und zeitliche Verfügbarkeit von Grundwasser, der wichtigsten globalen Süßwasserressource. Das quantitative Verständnis der Interaktion von Grundwasser und Klima, vor allem auf nationaler und kontinentaler Skala, ist wichtig für ein optimal angepasstes Grundwassermanagement. Bisher ist das Wissen über die großskalige Sensitivität der Grundwasserressourcen auf den Klimawandel jedoch sehr limitiert. Das Ziel des hier vorgestellten Projektes ist die Erforschung der Auswirkungen des Klimawandels und der damit einhergehenden Umweltveränderungen auf den quantitativen Zustand von Grundwasserressourcen auf national-kontinentaler Skala. Etablierte prozessbasierte Modelle (PBMs) zur hydro(geo)logischen Modellierung auf großer Skala (meist „Global Hydrological Models“ - GHMs) sind starke Vereinfachungen der Realität und unterliegen daher deutlichen Limitationen und Unsicherheiten. Im Gegensatz zu anderen PBMs, weisen GHMs daher begrenzte physikalische Konsistenz und Interpretierbarkeit auf und ihre Anwendung kann zu irreführenden Schlussfolgerungen über die Verfügbarkeit von Grundwasser vor dem Hintergrund des Klimawandels führen. Vor allem die Übertragbarkeit auf datenarme Regionen ist nur eingeschränkt möglich. In den letzten Jahren haben sich Deep Learning (DL) Modelle als präziser und leicht übertragbarer alternativer Ansatz in der Modellierung von Wasserressourcen etabliert. Für die Modellierung von Oberflächengewässern wurde zudem gezeigt, dass DL auch spezialisierte PBMs übertreffen kann. Das vorgeschlagene Projekt möchte sich die gewonnenen Erkenntnisse zunutze machen und ein DL-Modell zur Untersuchung der Sensitivität von Grundwasser auf den Klimawandel auf kontinentaler Skala aufbauen. Hierfür wird ein „big data“ Ansatz gewählt, der Daten von >2200 Einzugsgebieten in Nordamerika nutzt (Erweiterung denkbar). Ein solches Modell kann lernen, Wissen über verschiedene Regionen zu transferieren, gewinnt somit stark an Generalisierungsfähigkeit (z.B. auf datenarme Regionen) und schlussendlich an Vertrauenswürdigkeit. Weiterhin soll das Problem von fehlenden, interpretierbaren und physikalisch konsistenten Modellen im nationalen Maßstab angegangen werden, indem physikalisches Wissen und Prozesse in die DL-Modelle eingebaut werden. Durch diese Ansätze soll ein plausibles, interpretierbares und vor allem vertrauenswürdiges Modell entstehen, welches sich zur Untersuchung von Klimawandelszenarien eignet. Die genannten Aspekte sind hierbei besonders kritisch, da für Zeiträume in der Zukunft keine Validierung möglich ist. Das entwickelte Modell dient anschließend der Beantwortung der übergeordneten Fragestellung, und die Auswirkungen des Klimawandels auf die Grundwasserressourcen werden anhand der Daten von Klimamodellen auf Basis von RCP bzw. SSP Szenarien untersucht. Weiterhin werden spezialisierte Untersuchungen (Szenarien) zum Einfluss einzelner Einflussfaktoren (z.B. Landnutzung) durchgeführt.
In zahlreichen Forschungsprojekten wurden bereits Energieverbräuche und Energieeinsparpotentiale in den Bereichen Wassergewinnung, -aufbereitung und -verteilung über separate Systemanalysen untersucht. Nur wenige Forschungsprojekte, wie z.B.das BMBF-geförderte ENERWA-Vorhaben, haben durch die gekoppelte Betrachtung der genannten Bereiche einen ganzheitlichen energetischen Betrachtungsansatz der wasserwirtschaftlichen Wertschöpfungskette erarbeitet. Aber auch diese Ansätze haben bei der energetischen Betrachtung die Wasserressource ausgegrenzt. Ein wichtiger Grund für das Fehlen solcher integrativer Betriebsstrategien ist, dass die Entwicklung innovativer Ansätze mit einem hohen Personalaufwand und finanziellen Risiko verbunden ist, welche im Betrieb durch die Wasserunternehmen nicht geleistet werden kann. Optimierungsmaßnahmen orientieren sich deshalb gemeinhin ausschließlich an den allgemein anerkannten Regeln der Technik und können nur selten darüber hinaus erprobt werden. Das vorliegende Vorhaben zielt daher darauf ab, diese Lücke bestehender Optimierungsansätze zu schließen, indem es intelligente, praxisorientierte Analysewerkzeuge zur integrierten qualitäts- und energieoptimierten Steuerung von Brunnengalerien für Anlagenbetreiber entwickelt. Hierbei kommen innovative Analysemethoden aus den Bereichen Big Data und KI zur Anwendung, um die bereits in der Praxis angewendete Methoden zur energetischen Optimierung von Pump- und Verteilungssystemen in der Wassergewinnung und die durch Grundwasserdargebot und -qualität vorgegebenen Limitierungen bzw. Optimierungspotentiale zu verbinden. Aufbauend auf den praktischen Erkenntnissen wird eine fachlich anerkannte Optimierungsmethodik, bestehend aus praxisorientierten Leitfäden und Tools, entwickelt, welche die wasserwirtschaftliche Nutzung von Einzelbrunnen und Brunnengalerien fokussiert und somit Wasserversorgungsunternehmen und Industriebetriebe mit eigener Wassergewinnung adressiert.
In zahlreichen Forschungsprojekten wurden bereits Energieverbräuche und Energieeinsparpotentiale in den Bereichen Wassergewinnung, -aufbereitung und -verteilung über separate Systemanalysen untersucht. Nur wenige Forschungsprojekte, wie z.B.das BMBF-geförderte ENERWA-Vorhaben, haben durch die gekoppelte Betrachtung der genannten Bereiche einen ganzheitlichen energetischen Betrachtungsansatz der wasserwirtschaftlichen Wertschöpfungskette erarbeitet. Aber auch diese Ansätze haben bei der energetischen Betrachtung die Wasserressource ausgegrenzt. Ein wichtiger Grund für das Fehlen solcher integrativer Betriebsstrategien ist, dass die Entwicklung innovativer Ansätze mit einem hohen Personalaufwand und finanziellen Risiko verbunden ist, welche im Betrieb durch die Wasserunternehmen nicht geleistet werden kann. Optimierungsmaßnahmen orientieren sich deshalb gemeinhin ausschließlich an den allgemein anerkannten Regeln der Technik und können nur selten darüber hinaus erprobt werden. Das vorliegende Vorhaben zielt daher darauf ab, diese Lücke bestehender Optimierungsansätze zu schließen, indem es intelligente, praxisorientierte Analysewerkzeuge zur integrierten qualitäts- und energieoptimierten Steuerung von Brunnengalerien für Anlagenbetreiber entwickelt. Hierbei kommen innovative Analysemethoden aus den Bereichen Big Data und KI zur Anwendung, um die bereits in der Praxis angewendete Methoden zur energetischen Optimierung von Pump- und Verteilungssystemen in der Wassergewinnung und die durch Grundwasserdargebot und -qualität vorgegebenen Limitierungen bzw. Optimierungspotentiale zu verbinden. Aufbauend auf den praktischen Erkenntnissen wird eine fachlich anerkannte Optimierungsmethodik, bestehend aus praxisorientierten Leitfäden und Tools, entwickelt, welche die wasserwirtschaftliche Nutzung von Einzelbrunnen und Brunnengalerien fokussiert und somit Wasserversorgungsunternehmen und Industriebetriebe mit eigener Wassergewinnung adressiert.
In zahlreichen Forschungsprojekten wurden bereits Energieverbräuche und Energieeinsparpotentiale in den Bereichen Wassergewinnung, -aufbereitung und -verteilung über separate Systemanalysen untersucht. Nur wenige Forschungsprojekte, wie z.B.das BMBF-geförderte ENERWA-Vorhaben, haben durch die gekoppelte Betrachtung der genannten Bereiche einen ganzheitlichen energetischen Betrachtungsansatz der wasserwirtschaftlichen Wertschöpfungskette erarbeitet. Aber auch diese Ansätze haben bei der energetischen Betrachtung die Wasserressource ausgegrenzt. Ein wichtiger Grund für das Fehlen solcher integrativer Betriebsstrategien ist, dass die Entwicklung innovativer Ansätze mit einem hohen Personalaufwand und finanziellen Risiko verbunden ist, welche im Betrieb durch die Wasserunternehmen nicht geleistet werden kann. Optimierungsmaßnahmen orientieren sich deshalb gemeinhin ausschließlich an den allgemein anerkannten Regeln der Technik und können nur selten darüber hinaus erprobt werden. Das vorliegende Vorhaben zielt daher darauf ab, diese Lücke bestehender Optimierungsansätze zu schließen, indem es intelligente, praxisorientierte Analysewerkzeuge zur integrierten qualitäts- und energieoptimierten Steuerung von Brunnengalerien für Anlagenbetreiber entwickelt. Hierbei kommen innovative Analysemethoden aus den Bereichen Big Data und KI zur Anwendung, um die bereits in der Praxis angewendete Methoden zur energetischen Optimierung von Pump- und Verteilungssystemen in der Wassergewinnung und die durch Grundwasserdargebot und -qualität vorgegebenen Limitierungen bzw. Optimierungspotentiale zu verbinden. Aufbauend auf den praktischen Erkenntnissen wird eine fachlich anerkannte Optimierungsmethodik, bestehend aus praxisorientierten Leitfäden und Tools, entwickelt, welche die wasserwirtschaftliche Nutzung von Einzelbrunnen und Brunnengalerien fokussiert und somit Wasserversorgungsunternehmen und Industriebetriebe mit eigener Wassergewinnung adressiert.
In zahlreichen Forschungsprojekten wurden bereits Energieverbräuche und Energieeinsparpotentiale in den Bereichen Wassergewinnung, -aufbereitung und -verteilung über separate Systemanalysen untersucht. Nur wenige Forschungsprojekte, wie z.B.das BMBF-geförderte ENERWA-Vorhaben, haben durch die gekoppelte Betrachtung der genannten Bereiche einen ganzheitlichen energetischen Betrachtungsansatz der wasserwirtschaftlichen Wertschöpfungskette erarbeitet. Aber auch diese Ansätze haben bei der energetischen Betrachtung die Wasserressource ausgegrenzt. Ein wichtiger Grund für das Fehlen solcher integrativer Betriebsstrategien ist, dass die Entwicklung innovativer Ansätze mit einem hohen Personalaufwand und finanziellen Risiko verbunden ist, welche im Betrieb durch die Wasserunternehmen nicht geleistet werden kann. Optimierungsmaßnahmen orientieren sich deshalb gemeinhin ausschließlich an den allgemein anerkannten Regeln der Technik und können nur selten darüber hinaus erprobt werden. Das vorliegende Vorhaben zielt daher darauf ab, diese Lücke bestehender Optimierungsansätze zu schließen, indem es intelligente, praxisorientierte Analysewerkzeuge zur integrierten qualitäts- und energieoptimierten Steuerung von Brunnengalerien für Anlagenbetreiber entwickelt. Hierbei kommen innovative Analysemethoden aus den Bereichen Big Data und KI zur Anwendung, um die bereits in der Praxis angewendete Methoden zur energetischen Optimierung von Pump- und Verteilungssystemen in der Wassergewinnung und die durch Grundwasserdargebot und -qualität vorgegebenen Limitierungen bzw. Optimierungspotentiale zu verbinden. Aufbauend auf den praktischen Erkenntnissen wird eine fachlich anerkannte Optimierungsmethodik, bestehend aus praxisorientierten Leitfäden und Tools, entwickelt, welche die wasserwirtschaftliche Nutzung von Einzelbrunnen und Brunnengalerien fokussiert und somit Wasserversorgungsunternehmen und Industriebetriebe mit eigener Wassergewinnung adressiert.
Die leistungselektronischen Frequenzumrichter zählen zu den am häufigsten von Ausfällen betroffenen Teilsystemen von Windenergieanlagen (WEA) und verursachen auf diese Weise erhebliche Kosten und Ertragseinbußen. Forschungsarbeiten zur Umrichterzuverlässigkeit in WEA haben sich lange primär auf Temperaturwechselbelastungen und daraus resultierende Ermüdungseffekte als Ausfallursache konzentriert. Felddaten- und Schadensanalyse-basierte Untersuchungen haben gezeigt, dass diese in der Praxis eine untergeordnete Rolle spielen. Stattdessen wird das Ausfallgeschehen deutlich von Frühausfällen dominiert und ist eine erhebliche Auswirkung klimatischer Einflüsse, insbesondere Feuchtigkeit, auf die Umrichterzuverlässigkeit festzustellen. Das ReCoWind-II-Vorhaben weitet die Ursachenforschung von Niederspannungs- auf Mittelspannungsumrichter aus und vertieft sie im Hinblick auf weitere potenziell ausfallrelevante Einflussfaktoren. Störschriebe, Betriebs- und Statusdaten aus der Umrichtersteuerung werden als neue wichtige Informationsquelle erschlossen. Schwerpunkte des Vorhabens liegen auf der Erarbeitung von Lösungsmaßnahmen zur Verbesserung der Zuverlässigkeit und Verfügbarkeit über Fehlerfrüherkennung und Ferndiagnose sowie anwendungsspezifische Testverfahren. Insbesondere adressiert das Vorhaben Messtechnik- und Algorithmenentwicklung für ein breitenwirksames, die relevanten Ausfallmechanismen abdeckendes Condition Monitoring bis hin zur Erprobung in Umrichtersystemen im Labor und im Feld. Das Teilvorhaben fokussiert auf: Erfassung und Bereitstellung von Störschrieben und Betriebsdaten Erarbeitung und Erprobung von Methoden für Remote-Diagnostik und Anomalieerkennung Erfassung, Aufbereitung und Bereitstellung von Umrichterausfall- und SCADA-Daten Einbringen von anlagenspezifischem Know-how Bereitstellung von ausgefallenen Umrichterkomponenten Ermöglichung von Feldmessungen Installation und Betrieb von Datenerfassungssystemen Datenanalyse (z.B. Big Data)
| Origin | Count |
|---|---|
| Bund | 123 |
| Land | 5 |
| Wissenschaft | 1 |
| Zivilgesellschaft | 5 |
| Type | Count |
|---|---|
| Daten und Messstellen | 1 |
| Ereignis | 1 |
| Förderprogramm | 91 |
| Text | 28 |
| unbekannt | 12 |
| License | Count |
|---|---|
| geschlossen | 39 |
| offen | 94 |
| Language | Count |
|---|---|
| Deutsch | 128 |
| Englisch | 32 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Datei | 4 |
| Dokument | 12 |
| Keine | 70 |
| Unbekannt | 1 |
| Webseite | 53 |
| Topic | Count |
|---|---|
| Boden | 77 |
| Lebewesen und Lebensräume | 70 |
| Luft | 53 |
| Mensch und Umwelt | 133 |
| Wasser | 33 |
| Weitere | 121 |