API src

Found 2828 results.

Similar terms

s/kp/KI/gi

KI-Methoden für Betrieb und Wartung von bifazialen PV-Anlagen

Ziel des Projekts KIMBIF ist die Hochrechnung (Extrapolation) und Prognose (Forecast) der Erzeugungsleistung von Photovoltaik(PV)-Anlagen mit bifazialen PV-Modulen. Durch die Nutzung des auf der Rückseite einfallenden Lichts erreicht einen höheren Ertrag im Vergleich zu monofazialen Modulen. Die Einstrahlungsverhältnisse auf der Rückseite eines Modulfeldes sind jedoch so komplex, dass die Leistung einer solchen PV-Anlage mit rein physikalischen Modellen nicht mit vertretbarem Aufwand und der erforderlichen Genauigkeit aus den aktuellen Betriebsbedingungen abgeschätzt oder vorhergesagt werden kann Im Projekt werden daher datengetriebene Modelle mit Methoden der künstlichen Intelligenz (KI-Modelle) für Monitoring und Einspeisevorhersage von bifazialen PV-Systemen entwickelt und in einem großen, kommerziellen PV-Park zur Anwendung gebracht. Diese generischen Modelle sollen zum einen durch Mehrfachadaption die Extrapolation von einer begrenzten, detailliert vermessenen Referenzeinheit (PV-Modulstrang oder PV-Teilfeld) auf den gesamten PV-Park erlauben und zum anderen auf andere PV-Anlagen übertragbar sein. Dies beinhaltet auch Verfahren zur kontinuierlichen Adaptierung der KI-Modelle mittels Life-long Learning, um eine nahezu unmittelbare Nutzung nach dem Betriebsstart einer PV-Anlage mit einer limitierten Datenbasis sowie eine fortschreitend verbesserte Anpassung der KI-Modelle an das reale Betriebsverhalten zu ermöglichen. Die KI-Modelle werden zur Ermittlung der erwarteten aktuellen Leistungswerte für einen PV-Park, für die Anlagenüberwachung zur Fehlererkennung auf der Ebene der Teileinheiten und für die vorausschauende Wartungsplanung (predictive maintenance) eingesetzt. Des Weiteren wird mit dem Modell ein Leistungsvorhersagesystem (z.B. 24h-Forecast) unter Verwendung von Wetterprognosen für eine optimierte Betriebsführung des PV-Parks erstellt und im Betriebsleitsystem implementiert und erprobt.

PROaktive Steuerung von WAsserVErteilungssystemen

Zielsetzung: Klimatische Veränderungen beeinflussen die verfügbare Wassermenge und -qualität in Talsperren, was deutliche Auswirkungen auf die Sicherheit der Trinkwasserversorgung und auf die Ökosysteme der Stauseen und den Landschaftswasserhaushalt hat. Klimaprognosen deuten für Gebiete wie den Harz auf einen Anstieg von Niederschlägen im Winter und häufigere Trockenperioden im Sommer hin, was stärker schwankende Wasserstände bedeutet. Zur Anpassung im Management der Talsperren und deren Ökosystemen mangelt es jedoch oft an präzisen Vorhersagen und den nötigen Instrumenten, um risikobasierte Entscheidungen über notwendige dynamische Betriebsstrategien zu treffen. Vor diesem Hintergrund soll im Rahmen des Projekts ein vorhersagebasiertes, mengen- und gütegewichtetes Entscheidungsunterstützungssystem für Talsperren entwickelt werden, welches auf datengetriebenen Modellen basiert und am Beispiel des Systems der Harzwasserwerke implementiert wird. Das Projekt konzentriert sich darauf, durch die Nutzung moderner Technologien und Methoden der Künstlichen Intelligenz (KI), wie LSTM-Netzwerke (Long Short-Term Memory) und Ensemble-Methoden, zuverlässige Vorhersagen des Wasserbedarfs und -dargebots zu erstellen. Diese Vorhersagen werden in ein hydrodynamisches Optimierungsmodell integriert, um eine flexible und belastbare Entscheidungsunterstützung im Ereignisfall zu ermöglichen. Hierdurch sollen die verschiedenen Bewirtschaftungsziele wie Hochwasserschutz, Versorgungssicherheit, Ökosystemleistungen, Landschaftswasserhaushalt und Energieerzeugung bestmöglich erfüllt werden. Die Kombination von Echtzeit-Sensoren, Open-Source-Datensätzen und fortschrittlichen Datenanalyse-Tools ermöglicht es, komplexe und dynamische Prozesse zu simulieren und in Echtzeit Informationen bereitzustellen. Im Sinne der nachhaltigen Klimawandelanpassung werden so proaktive Maßnahmen zur Unterstützung der Versorgungssicherheit, des Hochwasserschutzes sowie des Landschaftswasserhaushaltes ermöglicht. Die Implementierung des Demonstrators im System der Harzwasserwerke soll die Vorteile einer proaktiven Steuerung demonstrieren und eine multikriterielle Bewertung im Vergleich zu herkömmlichen Methoden ermöglichen. Der Fokus liegt nicht nur auf einem hohen Technology Readiness Level, sondern auch auf der Handhabung von Unsicherheiten und der Berücksichtigung verschiedener Vorhersagehorizonte. Diese sind für die verschiedensten wasserwirtschaftlichen Zielsetzungen von entscheidender Bedeutung.

Amtliches Festpunktinformationssystem (AFIS)

Hinweis: Seit dem 9. Dezember erfasst der LGV die AFIS/ALKIS/ATKIS Daten bundeseinheitlich in der AdV-Referenzversion 7.1 im AFIS-ALKIS-ATKIS-Anwendungsschemas (AAA-AS) Version 7.1.2. Bei Fragen zu inhaltlichen Veränderungen wenden Sie sich an das Funktionspostfach: geobasisdaten@gv.hamburg.de Im Rahmen der Modellierung der Geoinformationen des amtlichen Vermessungs-wesens (AFIS-ALKIS-ATKIS-Modell = AAA-Modell) werden die amtlichen Nachweise des Raumbezuges im Amtlichen Festpunktinformationssystem (AFIS®) digital geführt. Der Inhalt und die Struktur des Nachweises der Festpunkte richten sich nach den bundeseinheitlichen Festlegungen des AFIS®. Mit der Einführung am 01.01.2013 werden derzeit die Höhenfestpunkte (HFP) des Aufnahmehöhennetzes nachgewiesen. Die Schwerefestpunkte (SFP), Geodätische Grundnetzpunkte (GGP) und SAPOS®-Referenzstationspunkte (RSP) sollen folgen. Als Standardausgaben stehen dem Nutzer die Festpunktübersicht, der Einzelpunktnachweis und die Punktliste zur Verfügung.

Fischgemeinschaften und Temperaturanforderungen nach OGewV

Diese Einteilung folgt nicht den Kriterien der klassischen Fließgewässerzonierung (Fischregionen), sondern orientiert sich an den Vorzugstemperaturen der Fischarten. Die in den Fließgewässern Sachsens vorkommenden Fischarten wurden in Bezug auf ihre Temperaturansprüche in drei Artengruppen (Arten des Salmoniden-Rhithrals, Cypriniden-Rhithrals und Potamals) eingeteilt und die Zuordnung der Fischgemeinschaften/Fischgewässertyp in Abhängigkeit von ihren Gesamtanteilen in den Referenz-Fischzönosen vorgenommen.

Data and value-based decision-making for a sustainable land use - Datenbasierte Bewertung der multifunktionalen und digitalen Transformation eines Landwirtschaftsbetriebs anhand des Beispiels von Gut & Bösel in Alt Madlitz, Teilprojekt C

Der Zukunftsbetrieb schafft es die Daten seines Betriebs und der Umwelt so zu erfassen, zu bündeln und als Entscheidungsgrundlage zu nutzen, dass er das ökologische, soziale und regionalökonomische Optimum erreicht. Dafür möchten wir mit diesem Projekt die Grundlage schaffen. Ziel ist es, auf dem potenziellen Zukunftsbetrieb, welcher mit seinem Standort in Brandenburg bereits jetzt spürbar vom Klimawandel betroffen ist, einen Prototypen für die integrierte Datenerhebung, -vernetzung und -auswertung zu entwickeln, welcher zukünftig auf andere Betriebe übertragbar ist. Dieses Ziel erreichen wir, indem wir die komplexen Zusammenhänge von Boden, Wasser, Biodiversität, (Mikro-)Klima, Tieren und Bewirtschaftungsformen mithilfe von digitalen Instrumenten messen, mittels Mobilfunks verfügbar machen, die Messungen u.a. durch künstliche Intelligenz (KI) auswerten und mithilfe geeigneter Bewertungssystematiken monetär bewerten. Die Erkenntnisse sollen für die zukünftige Landnutzung in Deutschland zugänglich gemacht und darüber hinaus öffentlich diskutiert werden, um die Basis für die weitere Transformation hin zu einer nachhaltigen Landwirtschaft zu schaffen. Derzeit gehen viele negative und positive Effekte der Land- und Ernährungswirtschaft als Externalitäten nicht in die betriebliche Kostenrechnung der Produzenten ein. So bilden die Marktpreise nicht die Realität für Mensch und Umwelt ab. Eine monetäre Bewertung der Externalitäten und die integrierte Darstellung mit allen wesentlichen Daten des Betriebs und seiner Umwelt hilft LandwirtInnen gute Entscheidungen zu treffen und gibt VerbraucherInnen die notwendige Transparenz bei der Kaufentscheidung, da zukünftig ein Preis alle wesentlichen Kosten und Wertbeiträge abbilden könnte. Das Projekt nutzt die Digitalisierung, um ökologisch vorteilhafte Anbausysteme bewert-, plan- und umsetzbar zu machen. Ein solcher integrativer Ansatz zahlt direkt auf die Empfehlungen der Zukunftskommission Landwirtschaft ein.

Steigerung von Qualität und Effizienz bei der Ertragsabschätzung für Windparks, Teilvorhaben: Qualitätssteigerung der Datengrundlage und Bestimmung standortspezifischer Leistungskennlinien für ein effizientes Gesamtframework

Zur Erreichung der von der Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. anemos ist in dem Verbundprojekt maßgeblich an der Automatisierung des Gesamtprozesses beteiligt. Wissenschaftlich wird anemos ein Verfahren zur Bestimmung der standortspezifischen Leistungskennlinie und zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen entwickeln. Außerdem wird anemos die Datengrundlage im Hinblick auf den Langzeitbezug von Kurzzeitmessungen auf relevante saisonale Abweichungen analysieren und korrigieren.

Steigerung von Qualität und Effizienz bei der Ertragsabschätzung für Windparks, Teilvorhaben: Entwicklung und Test von KI-basierten Methoden zur Verkürzung der Messdauer und Abschätzung der Designwindbedingungen

Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Die Universität Kassel fokussiert sich im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Langzeitkorrektur von Kurzzeitwindmessungen mittels Methoden von künstlicher Intelligenz und die verbesserte Abschätzung der Designwindbedingungen.

Entwicklung einer selbstopt. Regelung zum effizienten und netzdienlichen Betrieb von (regenerativen) Energiesystemen unter Verwendung von maschinellem Lernen

Abweichend von konventionellen Standardverfahren zur Regelung von Wärmeerzeuger sollen in dem Projekt eine Vielzahl von internen und externen Eingangsgrößen zur Regelung verwendet werden. Hierbei handelt es sich unter anderem um Wetterdaten, Strompreise, Stromerzeugung und Korrelationsgrößen für die Belegung. In die Entscheidungsfindung zur Regelung fließen nicht nur aktuelle Zustandsgrößen ein, sondern auch zukünftige Werte. Es erfolgt somit eine prädiktive und vorausschauende Regelung anstelle einer reaktiven Standardregelung. Für solch eine Optimierungsaufgabe mit einer Vielzahl an Eingangsgrößen und einem längeren Betrachtungshorizont eigenen sich Methoden des maschinellen Lernens wie z.B. dem Reinforcement Learning. Der Vorteil dieser Methode ist eine bedarfsgenaue und wirtschaftliche Wärmebereitstellung. Mit Hilfe von Simulationsmodellen kann eine Vielzahl von Szenarien nachgebildet und als Trainingsdaten verwendet werden. Ziel des Forschungsprojektes ist es, die Optimierung von sektorübergreifenden Energiesystemen zu automatisieren und mit Hilfe von maschinellem Lernen und Metadaten die Anlagenparameter kontinuierlich anzupassen. Durch Transfer Learning können Messdaten anderer Gebäude als Trainingsdaten verwendet werden. Der Heizenergiebedarf wird mit Hilfe von neuronalen Netzen prognostiziert. Die entwickelten Prognose- und Regelungsmodelle werden in Kombination mit der Kommunikationsschnittstelle bei mehreren Gebäuden angewendet. Hierdurch sollen Generalisierungsmöglichkeiten gefunden werden, durch die das Trainieren bei neuen Gebäuden schneller erfolgen kann. Das Alleinstellungsmerkmal der Projektidee ist die Symbiose der Algorithmenentwicklung und ihre unmittelbare Validierung im Praxiskontext. Der Arbeitsschwerpunkt für Green Fusion liegt hierbei in der Entwicklung einer modularen Simulationsbibliothek des Energiesystems im Gebäude sowie der Anbindung der Objekte an die Kommunikationsschnittstelle durch die Cloud.

Sanierungsrahmenplan Tagebau Witznitz

Titel: Braunkohlenplan als Sanierungsrahmenplan für den stillgelegten Tagebau Witznitz Planungsstand: verbindlicher Braunkohlenplan als Sanierungsrahmenplan seit 09.09.2000 Inhalt: * Die bergbauliche Sanierung zur Herstellung dauerstandsicherer Restlochböschungen ist abgeschlossen. Noch bestehende Handlungsschwerpunkte beschränken sich auf Voraussetzungen zur Vorbereitung von Folgenutzungen. * Maßnahmen zur Landschaftsgestaltung konzentrieren sich beim Hainer See auf die Nordböschung (Freizeitbereich mit Badestrand), die Südwestböschung (Wassersportbereich, Badestrand) sowie die Südostecke (Gestaltung der Badestelle Haubitz), den Verbindungsdamm Rötha-Kahnsdorf (Seenverbund zwischen Hainer und Kahnsdorfer See), die Flächen der ehemaligen Tagesanlagen nördlich von Kahnsdorf (Voraussetzungen zur Einordnung von erholungsbezogenen Einrichtungen und Anlagen) und den ehemaligen Holzplatz südöstlich von Kahnsdorf (Bootshaus, Bootsliegeplätze, Campingplatz). * Im Zuge der Restlochflutung unter Einleitung von Sümpfungswässern aus dem aktiven Bergbau (vorrangig Vereinigtes Schleenhain) entstehen bis ca. Ende 2007 der 5,6 km² große Hainer See mit dem Teilbereich Haubitz (Teilabtrennung durch die kleine Landzunge) und der 1,2 km² große Kahnsdorfer See. Die Vorflutgestaltung schließt künftig einen Verbund beider Seen und die Anbindung des Hainer Sees an die Pleiße sowie die Reaktivierung des "Langen Borns" ein. * Die im Westbereich des Sanierungsgebietes etablierte Landwirtschaft verfügt über einen Bestandsschutz (Anlage von Alleen und Flurgehölzen zur Landschaftsaufwertung). Prioritäre Handlungsfelder der Forstwirtschaft bestehen in der Waldmehrung (naturnahe, standort- und funktionsgerechte Aufforstungen mit Schwerpunkten im West- und Südbereich des Kahnsdorfer Sees, im Südbereich des Hainer Sees sowie im ehemaligen Tagebauvorfeld zwischen Espenhain und dem "Langen Born") und dem waldökologischen Umbau bestehender forstlicher Reinbestände (Bereich Margarethenhain). * Die Entwicklung von Natur und Landschaft konzentriert sich vorrangig auf den gesamten Kahnsdorfer See mit seinen Ufer- und Randbereichen. Durch gezielte Vernetzung der Bergbaufolgelandschaft mit den umgebenden Landschaftsstrukturen soll von Borna über den Speicher Witznitz und die Eula- und Wyhraaue sowie den Kahnsdorfer See (Aufforstungen im West- und Süduferbereich) eine regionale Landschaftsachse zur Restauenlandschaft der Pleiße im Bereich Rötha-Böhlen wiederhergestellt werden. * Für Freizeit und Erholung bestehen am Hainer See geeignete Voraussetzungen am Nordufer (Badestrand, Ferienhäuser), am Südwest- und Südufer (Badestrand, Segelhafen, Bootsliegeplätze, Bootshaus, Campingplatz) und im Nordbereich von Kahnsdorf (erholungsbezogene Einrichtungen und Anlagen). Im Rahmen des Projekts "Gewässerverbund Region Leipzig" besteht die Option, den Hainer See an die Fließgewässer Pleiße und Wyhra anzubinden. * Der Anschluss an das Verkehrsnetz wird gegenwärtig durch die B 95 (Leipzig-Chemnitz) und die K 7931 (Rötha-Kahnsdorf) gewährleistet. Durch den schrittweisen Ausbau der vorgesehenen Ost-West-Verbindung (ab B 176 bei Neukieritzsch zur B 95 unter nördlicher Umgehung von Großzössen und Ausbau der Haubitzer Straße) besteht künftig eine günstige Erschließung des Gesamtbereiches, die durch die vorgesehene Trassierung der A 72 noch eine weitere Aufwertung erhält. Die künftigen Erholungsbereiche werden durch ein Netz von Rad-, Wander- und Reitwegen sowie Aussichtspunkten erschlossen. Bei der Wegenetzgestaltung findet auch die Nutzung für Kutschfahrten entsprechende Berücksichtigung. * Ein besonderer Schwerpunkt bei der Gestaltung der Bergbaufolgelandschaft ist das Projekt zur Entwicklung eines Unterwasserfreizeitbereichs im Hainer See (Tauchsport, Pflanzen- und Tierwelt beobachten, Gastronomie).

Anbauwert von Hybrid- und Balsampappel-Klonen, Robine u.a. schnellwachsenden Gattungen für die Energieholznutzung

Um für die Standorte Baden-Württembergs Arten- und Sortenempfehlungen auf der Grundlage von Ertragsprognosen geben zu können, sollen 8 Pappel- bzw. Weiden-, 2 Aspen- und 2 Robiniensorten u. ggf. weiteren Arten an repräsentativen Standorten auf Energieholztauglichkeit geprüft werden. Die Anlage soll in 2 - 3 facher Widerholung erfolgen. Die Arten werden im 3 - 4 jährigen Umtrieb geerntet. Die Versuchsreihe wird in Zusammenarbeit mit dem LTZ Augustenberg, Aussenstelle Forchheim aufgebaut.

1 2 3 4 5 … 281 282 283