Ziel des Vorhabens ist die Entwicklung und Erprobung eines neuartigen, modularen Bird- und BatRecorders (BBR 2.0) als Antikollisionssystem für den vogel- und fledermausfreundlichen Betrieb von Windkraftanlagen, anpassbar auf beliebige Windparklayouts für Offenland- und Waldstandorte. Basis der Entwicklung des BBR 2.0 Systems ist die Prototypentwicklung des kamerabasierten BirdRecorder-Systems, das im Rahmen eines vom Bundesamt für Naturschutz geförderten Vorhabens entwickelt wurde. Mit einer neuartigen Kombination von scannenden Lidarsensoren und Laserentfernungsmesstechnik mit fest installierten und nachgeführten Kameras im sichtbaren und nahen Infrarot Spektralbereich ist die Detektion und Verfolgung der Flugbahn von tag- und nachtaktiven Vögeln und Fledermäusen im Umkreis von Windenergieanlagen möglich. Mit Methoden der künstlichen Intelligenz erfolgt die Arterkennung von Vögeln und Fledermäusen, um Kollisionen mit Windenergieanlagen weitgehend vermeiden zu können. Mittels Modularisierung des BBR 2.0 Systems wird ein Systembaukasten von Sensoren, Komponenten und Modulen entwickelt, der je nach geforderter Beobachtungssituation am Standort, für den vogel- und fledermausfreundlichen Betrieb von einzelnen WEAs bis zu großen Windparks zusammengestellt, konfiguriert und kontinuierlich betrieben werden kann. Damit können die bisherigen, meist pauschalen Abschaltzeiten von WEAs bedarfsgerecht minimiert werden, um den Ertrag von bestehenden und neuen Windparks zu steigern. Das entwickelte BBR 2.0 wird zusammen mit Partnern in mehreren Windparks in unterschiedlichen Naturräumen erprobt. Das Vorhaben wird von einer projektbegleitenden Arbeitsgruppe begleitet und beraten, in der Vertreter:innen aller relevanten Stakeholder aus dem Bereich Windenergie, Naturschutz und Branchenverbände vertreten sein werden.
Der zukünftig erhöhte Wasserstoffbedarf rückt den Transport über Pipelines in den Vordergrund. Durch lange Transportwege muss dieser regelmäßig auf seinen Ausgangsdruck verdichtet werden. Zur Komprimierung sind entsprechende Kompressoren notwendig, welche mit Koaleszenzfiltern ausgestattet werden müssen, um die Reinheit des Wasserstoffs beim Transport zu gewährleisten. Das Projekt beschäftigt sich mit der Entwicklung und Realisierung einer neuartigen Technologie zur Fertigung von Koaleszenzfiltermedien, welche mittels Schaumauftragsverfahren hergestellt werden. Ein gezieltes Design der Filtermedien ermöglicht eine Verringerung des Druckverlustes und somit ein enormes CO2-Einsparpotential. Um das CO2-Einsparpotential unter realen Bedingungen zu ermitteln, wird für Testzwecke ein Wasserstoffteststand aufgebaut. Parallel zu den Experimenten werden numerische Untersuchungen, die zu einem auf klassischen CFD-Verfahren basieren, als auch auf Machine-Learning basierten Ansätzen beruhen. Durch geeignete Co-Simulationen können Modelle für unterschiedliche Skalen berechnet werden. Die validierten Modelle werden für die Optimierung komplexer Filterstrukturen eingesetzt und erlauben eine Effizienz-Steigerung der Filtermedien.
Um eine ressourcenschonende und energieeffiziente Brennstoffzellenproduktion zu etablieren, bedarf es verbesserter Kontrollsysteme und Prüfmethoden. Übergeordnetes Ziel des Projektes ist daher, die modulare Abbildung der gesamten Test- und Charakterisierungskette zu realisieren. Dazu sollen Konzepte entwickelt und prototypisch umgesetzt werden, die auf eine automatisierte Produktion mit integrierten, kostengünstigen Prüfungen von Brennstoffzellen und deren Komponenten abzielen. Der Fokus liegt dabei auf der Prüfung relevanter Komponenten und Prozessschritte entlang der Produktionskette. Mit der Evaluierung verschiedener Prüfverfahren, wie z.B. der vibroakustischen Emissionsdetektion, verfolgt Amitronics einen vielversprechenden Ansatz, der mit Hilfe von Methoden des maschinellen Lernens dazu dienen soll, schnell und effizient Vorhersagemodelle für Bauzustände (Funktionsdichtheit der BZ) und Produktionsprozesse (Schweißprozesse) zu entwickeln. Am Beispiel des laserbasierten Fertigungsprozesses der BPP soll die neben Wärmestrahlung und Streulicht entstehende Ultraschallakustik zur Überprüfung der Qualität der erzeugten Schweißnähte genutzt werden. Ziel ist es zu untersuchen, ob mit KI-basierten Methoden eine Echtzeitüberwachung der Brennstoffzelle hinsichtlich ihrer Schweißnähte möglich ist. Durch eine sich anschließende Kombination der verschiedenen Prüfmodule soll eine Überwachung der Prüfkette erreicht und Trends in den Datenreihen abgeleitet werden. Durch die Integration eines vibroakustischen Überwachungssystems sollen Material- und Produktionsbedingungen so bewertet werden, dass Fehler bereits während der Produktion (Schweißprozess) vermieden werden können. Damit wird eine effiziente Produktionstechnologie Realität, die eine Qualitätskontrolle in Echtzeit und eine Null-Fehler-Produktion mit hoher Rate ermöglichen soll.
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.