API src

Found 2143 results.

Similar terms

s/oev/PEV/gi

Other language confidence: 0.8397553530162001

Bestimmung von Expositionen gegenüber elektromagnetischen Feldern der Elektromobilität

Bestimmung von Expositionen gegenüber elektromagnetischen Feldern der Elektromobilität Projektleitung: Dr.-Ing. Gernot Schmid, Seibersdorf Labor GmbH Beginn: 18.03.2021 Ende: 11.11.2025 Finanzierung: 449.025 Euro Hintergrund Elektromobilität gilt als Schlüssel für eine klimafreundliche Mobilität. Elektroantriebe arbeiten weitgehend schadstoffemissionsfrei. Betriebsbedingt entstehen allerdings Magnetfelder, die von dem elektrifizierten Antriebsstrang eines Elektrofahrzeugs ausgehen und auf Fahrer*in und Passagier*innen einwirken. Expositionen ( d.h. Situationen, in denen Personen solchen Feldern ausgesetzt sind) in relevanten Größenordnungen können dabei nicht von Vornherein ausgeschlossen werden. Gründe sind der geringe Abstand der Sitze zu den Komponenten, die Magnetfelder erzeugen, und die hohen Stromstärken in leistungsstarken Fahrzeugen. Darüber hinaus können bei rein batterieelektrischen Fahrzeugen (BEV) und bei Plug-In-Hybriden (PHEV) Expositionen bei Fahrzeugstillstand während des Ladevorgangs auftreten. Magnetfeldquellen sind dann zum Beispiel die Ladeeinrichtung selbst, das Ladekabel im Fall konduktiven Ladens, als Gleichrichter arbeitende Leistungselektronik sowie die Leitungen im Fahrzeug und die Fahrzeugbatterie. Magnetfeldquellen nur in Elektroautos und Hybriden Zielsetzung In dem Vorhaben wurde die Exposition von Personen gegenüber elektromagnetischen Feldern der Elektromobilität bestimmt. Einbezogen wurden Expositionsbeiträge durch den Fahrzeugfahrbetrieb und durch Batterieladevorgänge bei Fahrzeugstillstand. Die Studie ist aussagekräftig für Elektroautos und Elektro-Zweiräder ( d.h. ein- und zweispurige Personenkraftfahrzeuge). Als Fahrräder eingestufte Elektrofahrzeuge ( sog. E-Bikes) waren ausgenommen. Die Ergebnisse können mit Werten einer im Jahr 2009 abgeschlossenen Studie des BfS und mit in der Literatur veröffentlichten Werten verglichen werden. Zudem geben die Ergebnisse Hinweise für die Standardisierung. Durchführung Untersucht wurden gemessen an den Zulassungszahlen besonders beliebte E-Auto-Modelle und zusätzlich auch leistungsstarke E-Auto-Modelle von verschiedenen Herstellern. Dazu wurden Magnetfeldmessungen an mehreren Stellen im Fahrgastraum der Elektroautos und an den Sitzpositionen der Elektro-Zweiräder ( d.h. Elektroroller bzw. -motorräder) durchgeführt, während sich die Fahrzeuge auf einem Rollenprüfstand und in vorab festgelegten Betriebszuständen befanden. Die Betriebszustände umfassten das Beschleunigen, das Bremsen sowie das Fahren mit konstanten Geschwindigkeiten gegen verschiedene Lastmomente, um Luftwiderstände, Streckensteigungen und -gefälle zu simulieren. Anschließend wurden Magnetfeldmessdaten während eines Worldwide Harmonized Light Vehicle Test Cycle (WLTC) aufgezeichnet. Dabei handelt es sich um einen ca. 30-minütigen genormten Fahrzyklus, der ursprünglich für vergleichbare Abgas- und Verbrauchsmessungen festgelegt wurde. Daten für Zweiräder wurden während eines World Motorcycle Test Cycle (WMTC) aufgezeichnet. Die auf dem Prüfstand ermittelten Daten wurden mit Messungen bei Fahrten auf einer abgesperrten, ebenen Teststrecke und bei einer etwa 90-minütigen Fahrt im öffentlichen Straßenverkehr validiert. Anschließend wurden die im Zeitbereich aufgezeichneten Messdaten entsprechend der spektralen Zusammensetzung analysiert und bewertet. Situationen, die basierend auf den Messungen die höchsten Expositionen erwarten ließen, wurden zusätzlich dosimetrisch analysiert. Die betreffenden Expositionssituationen wurden dazu in einer Simulationssoftware nachgebildet. Ziel war die rechentechnische Bestimmung, der im Körper einer exponierten Person hervorgerufenen elektrischen Feldstärken. Hierfür musste vorab die lokale Verteilung der Magnetfeldstärken in der Fahrgastzelle bzw. im Bereich der Sitze der Elektro-Zweiräder bekannt sein. Stellvertretend für die exponierten Personen wurden hochaufgelöste, digitale Menschmodelle eingesetzt, die anatomisch möglichst korrekt waren und Gewebetypen mit verschiedenen elektrischen Eigenschaften unterschieden. Die Untersuchungen zum Aufladen bei Fahrzeugstillstand berücksichtigten Positionen in und außerhalb der Fahrzeuge. Ebenso wurden die Untersuchungen an Normal- und Schnellladepunkten durchgeführt. Hartschaum-Dummy mit zehn Messsonden im Fond eines Elektroautos Ergebnisse Die Studie stellt nach Kenntnis des BfS die bislang detaillierteste Untersuchung zu Magnetfeldexpositionen in Elektrofahrzeugen dar. Die Messungen wurden in aktuellen, für den deutschen Straßenverkehr zugelassenen Fahrzeugen unter realen Bedingungen im öffentlichen Straßenverkehr sowie auf Teststrecken und Prüfständen durchgeführt. Erstmals wurden auch Zweiräder einbezogen. Die Fahrzeughersteller waren nicht an den Untersuchungen beteiligt. Die Magnetfeldexposition innerhalb der Fahrzeuge war räumlich sehr ungleichmäßig. Hohe Werte traten im Fahrberieb vorrangig im Bereich der Beine auf, während der Oberkörper und der Kopf deutlich weniger exponiert waren. Die Exposition variierte je nach Fahrmanöver: Beim Beschleunigen und Bremsen waren die Werte höher als bei konstantem Fahren. Die maximale Motorleistung der Fahrzeuge hing nicht systematisch mit der Magnetfeldexposition zusammen. Langzeit-Effektivwerte aus Messungen während Fahrten im realen Straßenverkehr zeigten höhere Werte als die Daten, die während genormter Fahrzyklen auf einem Fahrzeugprüfstand ermittelt wurden. Alle Magnetfeldexpositionen wurde mit den Referenzwerten der EU -Ratsempfehlung und den ICNIRP -2010-Leitlinien verglichen. Bei sanfter Fahrweise lagen die Ausschöpfungen der EU -Referenzwerte meist im niedrigen zweistelligen Prozentbereich. Eine sportliche Fahrweise führte in mehreren Elektrofahrzeugen sowie in einem zu Vergleichszwecken untersuchten Fahrzeug mit Verbrennungsmotor zu Überschreitungen der EU -Referenzwerte. Bei Anwendung der moderneren ICNIRP -2010-Leitlinien ergab sich nur in einem Fall eine Überschreitung. Trotz der kurzfristigen Überschreitungen der Referenzwerte wurden keine Überschreitungen der empfohlenen Höchstwerte für im Körper induzierte elektrische Felder festgestellt. Die während des Ladens innerhalb der Fahrzeuge gemessenen magnetischen Flussdichten waren überwiegend niedriger als die während des Fahrens gemessenen Werte. Gleichstrom-Laden ( DC -Laden) führte, trotz höherer Ladeleistungen, zu geringeren Expositionen als Wechselstrom-Laden ( AC -Laden). Magnetische Flussdichten oberhalb der ICNIRP -Referenzwerte traten nur in unmittelbarer Nähe des Ladekabelsteckers bzw. der Fahrzeugbuchse ( bzw. beim induktiven Laden nahe dem Straßenniveau) unmittelbar neben dem Fahrzeug auf. Neben dem Antriebssystem erzeugen weitere Fahrzeugkomponenten Magnetfelder, z.B. die Sitzheizungen, Fensterheber oder Fahrzeugeinschaltung. In einigen Fällen waren diese Expositionen höher als die durch das Antriebssystem verursachten Felder. In vielen Fahrzeugen traten die höchsten Werte beim Einschalten oder Starten auf. Die mittleren Langzeitwerte in Elektroautos (0,5 bis 2,5 Mikrotesla/ µT ) entsprachen weitgehend denen in etablierten elektrisch angetriebenen Verkehrsmitteln wie Straßenbahnen oder U-Bahnen (2 bis 3 µT ). In doppelstöckigen Zügen wurden auf der oberen Fahrgastebene Werte bis zu 13 µT gemessen, also potenziell höhere Expositionen als in Elektroautos. Stand: 24.11.2025

Indikator: Energieverbrauch der Industrie

<p> Die wichtigsten Fakten <ul> <li>Der Energieverbrauch der Industrie für die Herstellung von Waren hat sich zwischen 1995 und 2022 kaum verändert.</li> <li>2023 lag der Energieverbrauch der Industrie mit 3.407 Petajoule etwas unter dem Niveau der Vorjahre, seit einem Hoch 2017 sanken die Werte jedes Jahr.</li> <li>Bis 2050 soll der <a href="https://www.umweltbundesamt.de/service/glossar/primaerenergieverbrauch">Primärenergieverbrauch</a> Deutschlands um 50 % sinken. Dafür muss die Industrie einen Beitrag leisten.</li> </ul> </p><p> Welche Bedeutung hat der Indikator? <p>Der Energieverbrauch trägt wesentlich zu verschiedenen Umweltproblemen bei: Die Förderung der Rohstoffe und der Ausbau der dafür notwendigen Transportwege führt zu massiven Eingriffen in die Ökosysteme. Weiterhin ist die Nutzung fossiler Energieträger der wesentliche Treiber des Klimawandels. Zur Minderung dieser Probleme muss der Energieverbrauch sinken.</p> <p>Die Industrie ist in Deutschland neben den privaten Haushalten der wichtigste Verwender von Energie: Seit 1995 liegt der Anteil der Industrie am deutschen <a href="https://www.umweltbundesamt.de/service/glossar/primaerenergieverbrauch">Primärenergieverbrauch</a> bei rund einem Viertel. Hinzu kommt ein anteiliger Energieverbrauch bei Kraftwerken, da die Industrie einen großen Teil der dort erzeugten Elektrizität und Wärme bezieht und nutzt. Dieser sogenannte indirekte Energieverbrauch ist im <a href="https://www.umweltbundesamt.de/service/glossar/indikator">Indikator</a> ebenfalls abgebildet.</p> <p>Der Indikator bildet nicht ab, ob energieintensive Produktionsschritte ins Ausland verlagert werden. In diesem Fall würde der inländische Verbrauch zwar sinken, die mit hohem Energieverbrauch einhergehenden Umweltbelastungen wären dabei aber nur ins Ausland verlagert. Indikatoren, welche diese Verlagerung berücksichtigen, befinden sich in der Entwicklung.</p> </p><p> Wie ist die Entwicklung zu bewerten? <p>Der Energieverbrauch der deutschen Industrie („verarbeitendes Gewerbe“) ist im Jahr 2023 wieder auf dem Niveau von 1995: Er lag 1995 bei rund 3.744 Petajoule (PJ) und 2023 bei 3.407 PJ. Nach einer längeren Phase ziemlich gleich bleibender Werte und einem Bruch 2010, der mit einer Umstellung in der Statistik zu begründen ist, kam es 2017 mit 4.280 PJ zum höchsten Wert der Zeitreihe, seitdem sinkt der Energieverbrauch der deutschen Industrie aber kontinuierlich.&nbsp;</p> <p>Demgegenüber stieg die Bruttowertschöpfung der Industrie, ein Maß für die wirtschaftliche Leistung, im Zeitraum zwischen 1995 und 2023 um etwa 39 % (preisbereinigt, d.h. unter Berücksichtigung der Preisentwicklung). Das bedeutet, dass die Industrie Energie deutlich effizienter einsetzt.</p> <p>In ihrem <a href="https://www.bundesregierung.de/resource/blob/974430/439778/794fd0c40425acd7f46afacbe62600f6/2017-11-14-beschluss-kabinett-umwelt-data.pdf">Energiekonzept</a> hat sich die Bundesregierung Ziele für den <a href="https://www.umweltbundesamt.de/service/glossar/primaerenergieverbrauch">Primärenergieverbrauch</a> gesetzt: Bis 2020 sollte dieser im Vergleich zu 2008 um 20 % und bis 2050 um 50 % sinken. Das Ziel für 2020 wird voraussichtlich knapp verfehlt. Das Ziel für 2050 ist nicht erreichbar, wenn nicht auch die Industrie ihren Energieverbrauch senkt. Vor allem im Bereich der Energieeffizienz besteht noch erhebliches Potenzial.</p> </p><p> Wie wird der Indikator berechnet? <p>Der <a href="https://www.umweltbundesamt.de/service/glossar/indikator">Indikator</a> basiert auf den Zahlen der <a href="https://www.destatis.de/DE/Themen/Gesellschaft-Umwelt/Umwelt/UGR/energiefluesse-emissionen/_inhalt.html#416308">Umweltökonomischen Gesamtrechnungen</a> (UGR) des Statistischen Bundesamtes. Die Energie-Tabellen der UGR basieren auf den Zahlen der <a href="https://ag-energiebilanzen.de/">Arbeitsgemeinschaft Energiebilanzen</a>, diese müssen jedoch in die UGR-Systematik umgerechnet werden. Die Zurechnung des anteiligen Energieverbrauchs aus den Kraftwerken erfolgt mit Methoden der UGR. Die Vorgehensweise für die Berechnung ist bei <a href="https://www.destatis.de/GPStatistik/receive/DEMonografie_monografie_00003003">Mayer 2015</a> beschrieben.</p> <p><strong>Ausführliche Informationen zum Thema finden Sie im Daten-Artikel </strong><a href="https://www.umweltbundesamt.de/node/21796"><strong>„Branchenabhängiger Energieverbrauch des verarbeitenden Gewerbes"</strong></a><strong>.</strong></p> </p><p> </p><p>Informationen für...</p>

Einsatz alternativer Verfahren zur Waermebereitstellung in GDRA

Im Rahmen des Projektes werden die Gestehungskosten fuer die Gasdruckregelung ueber den gesamten Lebenszyklus der GDRA bilanziert und auf der Basis von Messwerten der EVG mbH verifiziert. Das vorgeschlagene Rechenverfahren integriert explizit die Kosten fuer die Gasvorwaermung und greift die Struktur der VDI 2067 bzw. VDI 6025 auf. Neben der Kostenbetrachtung wurde parallel der Bezug zum Primaerenergiebedarf und den Treibhausgasemissionen, bewertet im CO2-Massstab hergestellt. Das Problem der Erdgasvorwaermung wird separat behandelt. Optimierungsmoeglichkeiten im Bereich der Waermebereitstellung werden abgeleitet.

MRH Erreichbarkeitsanalysen zu Verkehrsinfrastruktur

Die Karten zeigen jeweils am schnellsten erreichbare Verkehrsinfrastrukturen unterschiedlichen Verkehrsmitteln. Zu diesen gehören 676 Bahnhöfe, 55 Fernbahnhöfe und 29.615 Haltestellenbereiche. Die Erreichbarkeiten werden auf einem bewohnten 100-Meter-Raster und einem flächendeckenden 500-Meter-Raster in Minuten abgebildet. Ferner wird für die Haltestellen in der Metropolregion Hamburg (MRH) die Anzahl der Linien angegeben, die die Haltestelle bedient, sowie die Anzahl an Abfahrten an einem Sonntag und einem Montag. Auch wird die Anzahl der im Umkreis von Haltstellen vorhandenen Wohnbevölkerung und Arbeitsplätzen angegeben. Auf Basis von P&R-Anlagen wird überdies die Anzahl erreichbarer Arbeitsplätze, Freizeiteinrichtungen und Einwohner mit öffentlichen Verkehrsmitteln angegeben. Bemerkungen: Zu den Fernbahnhöfen zählen alle Bahnhöfe, mit mindestens einer täglichen Abfahrt im Schienenfernverkehr. Den Bahnhöfen sind U-Bahn Haltestellen zugeordnet. Berechnung der Reisezeiten: Die Reisezeiten und Entfernungen im Pkw-, Fuß- und Radverkehr basieren auf einem detaillierten Streckennetz auf Basis von OpenStreetMap (OSM). Den Reisezeiten im Pkw-Verkehrs liegt eine im Berufsverkehr typische Straßenbelastungen zugrunde. Im Pkw-Verkehr werden außerdem vom Gebietstyp abhängige Aufschläge für Parksuchverkehre, Zu- und Abrüstzeiten sowie Anbindungen berechnet. Diese richten sich nach den Richtlinien für integrierte Netzgestaltung RIN R1 (FGSV 2010, S. 47) und liegen zwischen zwei und neun Minuten. Die Angaben im ÖPNV basieren auf den realen Fahrplandaten an einem normalen Dienstag der Fahrplanperiode 18/19. Es werden nur die Fahrplanfahrten und zwischen 9 Uhr und 12 Uhr (Hbf. Hamburg 6 Uhr bis 8 Uhr, Ankunft im Büro bis spätestens 9 Uhr) berücksichtigt. Die Reisezeit enthält außerdem die Gehzeiten von und zur Haltestelle sowie eine Wartezeit an der Starthaltestelle. Die Umsteigehäufigkeit entspricht den nötigen Umstiegen auf der schnellsten Verbindung. Die Anzahl an Verbindungen gibt die Fahrthäufigkeit im Zeitraum zwischen 9 Uhr und 12 Uhr an. Im Fernverkehr werden lediglich die Fahrten auf den Bahnstrecken von Hamburg nach Berlin und nach Rostock berücksichtigt, um der hohen Bedeutung der Halte in Schwerin und Ludwigslust gerecht zu werden. Flexible Angebote (AST, Rufbusse etc.) werden nur berücksichtigt, wenn diese in der elektronischen Fahrplanauskunft enthalten sind. Im Individualverkehr mit dem Pkw, dem Rad oder zu Fuß wird eine maximale Reisezeit von 60 Minuten unterstellt. Diese Reisezeit im ÖPNV beträgt maximal 120 Minuten. In diesen zwei Stunden sind die Gehzeiten zu Haltestellen sowie sämtliche Wartezeiten bereits enthalten. Angaben zu den Werten: Wenn den Haltestellen und P&R-Stationen die nächstgelegenen Einwohner und Arbeitsplätze zugeordnet werden bedeutet dies, dass angegeben wird, für wie viele Personen bzw. Arbeitsplätze die jeweilige Haltestelle bzw. P&R-Station die am nächsten gelegene ist. Der Wert ‚999‘ ist ein Platzhalter und bedeutet, dass keine Verbindung unter Berücksichtigung der Suchkriterien gefunden wurde. Der Wert ‚111‘ ist ein Platzhalter im ÖPNV und bedeutet, dass die schnellste Verbindung eine Fußstrecke ist. Dies ist dann der Fall, wenn die Rasterzelle sowie die Zieleinrichtung der gleichen Haltestelle zugeordnet sind. Quellen: Fahrplandaten: (Jahresfahrplan 2019): Aufbereitet durch TUHH; Deutsche Bahn AG, Verkehrsgesellschaft Ludwigslust-Parchim mbH, Nahbus GmbH (Nordwestmecklenburg), Nahverkehr Schwerin GmbH Fuß- und Radwegenetz: Durch TUHH aufbereitet (Steigungen, Geschwindigkeiten); auf Basis von OpenStreetMap (OSM 2019) und SRTM-Höhendaten (SRTM 2000) Straßennetz: Durch TUHH aufbereitet; auf Basis von Openstreetmap (OSM 2019) Flughafen: TUHH (2019) Bahnhöfe und Haltestellen: Generiert aus den Fahrplandaten (s. Fahrplandaten) P&R: Hamburger Verkehrsverbund (HVV 2019)

CO 2 Klimabilanz 1990 bis 2021

Energie- und CO2-Bilanzierung 2021 Die Stadt Aachen erstellt seit 2010 jährlich eine Energie- und CO2-Bilanz (Daten und Berechnungen von 1990 bis 2021 liegen vor). Als Basisjahr wurde das Jahr 1990 (gemäß Kyoto-Protokoll 1997) ausgewählt. Die Bilanz wird mit dem vom Klimabündnis (Climate Alliance) empfohlenen Berechnungstool ECORegion auf Basis tatsächlicher Verbräuche sowie zusätzlicher statistischer Daten ermittelt. Die Endenergiebilanz umfasst zunächst den Energiebedarf der Verbraucher innerhalb der Stadtgrenzen. Die Primärenergiebilanz (Methode LCA: Life Cycle Assessment) umfasst darüber hinaus den Energiebedarf zur Produktion, Umwandlung und Transport der Energieträger (Vorkettenanteile) und erstreckt sich somit über den Bilanzierungsraum der Stadt hinaus.

NECPR: Progress to targets for energy efficiency (Annex IV) dataset, 2023

Progress to targets for energy efficiency is a dataset under the National Energy and Climate Progress Reports (NECPRs), which is reported every second year (starting in 2023) by EU Member States. The dataset provides information regarding Member State's energy efficiency contributions and progress in achieving them. The EEA collects and quality checks this data. The dataset links to data from Eurostat regarding Primary Energy Consumption (PEC) and Final Energy Consumption (FEC) in the period of 2020-2030. This reporting obligation comes from the Governance Regulation 2018/1999, Implementing Regulation (EU) 2022/2299 (Annex IV).

GovReg: NECPR: Progress to targets for energy efficiency (Annex IV) dataset, 2025

Progress to targets for energy efficiency is a dataset under the National Energy and Climate Progress Reports (NECPRs), which is reported every second year (starting in 2023) by EU Member States. The dataset provides information regarding Member State's energy efficiency contributions and progress in achieving them. The EEA collects and quality checks this data. The dataset links to data from Eurostat regarding Primary Energy Consumption (PEC) and Final Energy Consumption (FEC). This reporting obligation comes from the Governance Regulation 2018/1999, Implementing Regulation (EU) 2022/2299 (Annex IV).

NECPR: Progress to targets for energy efficiency (Annex IV) dataset

Progress to targets for energy efficiency is a dataset under the National Energy and Climate Progress Reports (NECPRs), which is reported every second year, starting in 2023 for EU Member States and 2025 for Energy Community Contracting Parties. The dataset provides information regarding Member State's energy efficiency contributions and progress in achieving them. The EEA collects and quality checks this data. The dataset links to data from Eurostat regarding Primary Energy Consumption (PEC) and Final Energy Consumption (FEC). This reporting obligation comes from the Governance Regulation 2018/1999, Implementing Regulation (EU) 2022/2299 (Annex IV).

KI unterstützte Kommunikationstechnologien zur dynamischen Optimierung von Mobilität und Energiespeichern zur Frequenzstabilisierung und Energieversorgung, Teilvorhaben Universität Dresden: Kommunikationstechnologien

Das Ökosystem der Stromnetze ist auf dem Weg zu einem dezentralisierten Energieversorgungs- und Verteilungssystem. Haushalte können mit erneuerbaren Energiequellen wie Sonnenkollektoren oder Windgeneratoren, als verteilte Energieressourcen (DERs - Distributed Energy Resources) bezeichnet, unabhängig von den Stromanbietern operieren und Energie zurück an das Hauptnetz verkaufen. Für die Realisierung dieser Transformation des Stromnetzes wird eine kompetente Kommunikationsinfrastruktur benötigt. Die Einführung des Standards 5G in Mobilfunknetze erleichtert die Entwicklung zukünftiger Energieverwaltungslösungen. Weiterhin ermöglichen neue Technologien die Entwicklung intelligenter Algorithmen für die Steuerung zukünftiger Stromnetze. Hierzu gehören das Internet der Dinge (Internet of Things, IoT), Vernetzung über Mesh-Netzwerke zur Fernüberwachung des Netzstatus und die Künstliche Intelligenz (KI) für Management und Koordination. In Dymobat wird ein Single-User-Controller für die Verwaltung der einzelnen DERs entwickelt. Anschließend wird eine zentrale Steuerungseinheit für die Synchronisierung und Optimierung des Netzbetriebs innerhalb einer kleinen Gruppe von DERs, Microgrid, entworfen. Im Anschluss werden Mobilitätsalgorithmen für die Nutzung von batterieelektrischen Fahrzeugen als mobile Energiespeicher entwickelt, die temporäre Selbstversorgung von Teilnetzen ermöglichen. Die entwickelten Algorithmen werden virtuell in einem Testbed-Modell anhand von realen Eingangsparametern erprobt, optimiert und validiert. Im zweiten Schritt wird ein reales Testfeld konzipiert, installiert und die Leistungsfähigkeit der modellhaft erprobten Algorithmen in einer realen Testumgebung bewertet und anhand des dadurch erarbeiteten Know-hows weiter verbessert. Das übergeordnete Ziel des Projektes DymoBat ist die Entwicklung von marktfähigen Lösungen für die zukünftige Stromnetzverwaltung zur Nutzung von verteilten Energieressourcen auf Basis der Anwendung von 5G-Technologien.

KI unterstützte Kommunikationstechnologien zur dynamischen Optimierung von Mobilität und Energiespeichern zur Frequenzstabilisierung und Energieversorgung, Teilvorhaben SachsenEnergie: Bidirektionales Alltagsladen

Das Ökosystem der Stromnetze ist auf dem Weg zu einem dezentralisierten Energieversorgungs- und Verteilungssystem. Haushalte können mit erneuerbaren Energiequellen wie Sonnenkollektoren oder Windgeneratoren, als verteilte Energieressourcen (DERs - Distributed Energy Resources) bezeichnet, unabhängig von den Stromanbietern operieren und Energie zurück an das Hauptnetz verkaufen. Für die Realisierung dieser Transformation des Stromnetzes wird eine kompetente Kommunikationsinfrastruktur benötigt. Die Einführung des Standards 5G in Mobilfunknetze erleichtert die Entwicklung zukünftiger Energieverwaltungslösungen. Weiterhin ermöglichen neue Technologien die Entwicklung intelligenter Algorithmen für die Steuerung zukünftiger Stromnetze. Hierzu gehören das Internet der Dinge (Internet of Things, IoT), Vernetzung über Mesh-Netzwerke zur Fernüberwachung des Netzstatus und die Künstliche Intelligenz (KI) für Management und Koordination. In Dymobat wird ein Single-User-Controller für die Verwaltung der einzelnen DERs entwickelt. Anschließend wird eine zentrale Steuerungseinheit für die Synchronisierung und Optimierung des Netzbetriebs innerhalb einer kleinen Gruppe von DERs, Microgrid, entworfen. Im Anschluss werden Mobilitätsalgorithmen für die Nutzung von batterieelektrischen Fahrzeugen als mobile Energiespeicher entwickelt, die temporäre Selbstversorgung von Teilnetzen ermöglichen. Die entwickelten Algorithmen werden virtuell in einem Testbed-Modell anhand von realen Eingangsparametern erprobt, optimiert und validiert. Im zweiten Schritt wird ein reales Testfeld konzipiert, installiert und die Leistungsfähigkeit der modellhaft erprobten Algorithmen in einer realen Testumgebung bewertet und anhand des dadurch erarbeiteten Know-hows weiter verbessert. Das übergeordnete Ziel des Projektes DymoBat ist die Entwicklung von marktfähigen Lösungen für die zukünftige Stromnetzverwaltung zur Nutzung von verteilten Energieressourcen auf Basis der Anwendung von 5G-Technologien.

1 2 3 4 5 … 213 214 215