Pilot Energiebesparing door een AI Komkommerkassysteem

Dit project ontwikkelt en test een zelflerende kas voor komkommers om energieverbruik te optimaliseren en operationele energiebesparing te realiseren via AI-gestuurde teeltbeslissingen.

Subsidie
€ 404.570
2020

Projectdetails

Aanleiding

De land- en tuinbouwsector draagt significant bij aan klimaatverandering en is grootafnemer van energie, vooral van aardgas. In dit DEI pilotproject beogen de projectpartners om meer energie te besparen tijdens het productieproces van kasgroenten, door een optimale verhouding tussen de productie en het energieverbruik ('resource use efficiency') te bepalen en kennis te digitaliseren en bundelen ter ondersteuning van teeltadvies.

Om een optimale verhouding tussen energieverbruik en productie te bereiken, dienen tijdens verschillende momenten in de teelt verschillende beslissingen objectief te kunnen worden gemaakt. Er is daarin een mogelijkheid in het ontwikkelen van een zelflerende (uiteindelijk zelfsturende) kas, die op basis van de verschillende kassystemen, beschikbare data en vereiste output (volume, kwaliteit) autonoom kan bepalen wanneer welke beslissingen moeten worden genomen en welke setpoints moeten worden bijgesteld om met minimaal energieverbruik tot een optimale productie te komen.

Doelstelling

Doel van dit project Pilot Energiebesparing door een AI Komkommerkassysteem [PEAK] is daarmee het genereren van conceptueel bewijs (proof-of-concept) dat de beoogde nieuwe intelligente kasaansturing tot operationele energiebesparing per eenheid product in een komkommerkas leidt.

Korte omschrijving

Binnen dit project wordt een pilotinstallatie van de intelligente zelflerende kas ontwikkeld en getest onder reële omstandigheden, waarmee wordt onderzocht of een demonstratie op ware grootte en in de praktijk mogelijk moet zijn.

Resultaat

De beoogde resultaten van dit pilotproject zijn:

  • Een aggregatiemodule voor een gewasgroeimodel dat gebruik maakt van historische en live kasdata.
  • Een machine learning model als basis voor een systeem voor het zelflerend genereren van optimale setpoints voor de systeemcomponenten in een kas.
  • Praktijkexperimenten met deze prototypen, waarmee de zelflerende aansturing kan worden getest en waarmee KPI's in de doelstelling worden onderbouwd.

Financiële details & Tijdlijn

Financiële details

Subsidiebedrag€ 404.570

Tijdlijn

Startdatum1-1-2020
EinddatumOnbekend
Subsidiejaar2020

Partners & Locaties

Projectpartners

  • GREEN INNOVATORS B.V.penvoerder
  • Optimize Nature B.V.
  • Qodea
  • Stichting Wageningen Research

Land(en)

Netherlands

Vergelijkbare projecten binnen DEI+

DEI+

Demonstratie van de Tri-O-Gen Organic Rankine Cycle voor rendementsverbetering van elektriciteitspro

Het project demonstreert de aanpassing van de Tri-O-Gen ORC-technologie voor het benutten van restwarmte van Dieselmotoren, met als doel brandstofverbruik met 8-10% te reduceren.

€ 490.356
DEI+

Dry Sorbent Injection bij Thermische Biomassa Installaties: schoner en efficiënter.

Het project onderzoekt het gebruik van een restproduct uit papierproductie als droog sorbent voor rookgasreiniging in afvalverbranding, wat leidt tot efficiëntere verwerking en lagere onderhoudskosten.

€ 237.000
DEI+

Integrated Sustainable Energy Station

Het ISES-project demonstreert een innovatief SOPRA-systeem voor duurzame energievoorziening in Nigeria, dat diverse energiebronnen koppelt en leverbetrouwbaarheid maximaliseert.

€ 2.776.119
DEI+

Thermofiele Slibgisting en Stikstofterugwinning op RWZI Bath.

Het project demonstreert thermofiele vergisting in de waterzuivering om biogasproductie te verhogen en stikstof terug te winnen, met potentieel voor brede toepassing in de sector.

€ 1.543.452

Vergelijkbare projecten uit andere regelingen

MIT Haalbaarheid

Onderzoek haalbaarheid Fotosynthese monitor

Power2Plants ontwikkelt een zelflerend monitoringplatform voor realtime koolstof- en stikstofanalyses in de tuinbouw, gericht op het optimaliseren van fotosyntheseprocessen.

€ 20.000