Plug & Play Artificial Energy Intelligence

Het project ontwikkelt een plug & play energiebesparingssoftware met kunstmatige intelligentie voor de industrie, gericht op CO2-reductie en kostenbesparing, getest in twee pilotomgevingen.

Subsidie
€ 120.420
Jaar onbekend

Projectdetails

Aanleiding

Middels het energieakkoord en nieuwe klimaatwetgeving heeft de huidige regering het doel gesteld om in 2030 49% minder CO2 uit te stoten. De industrie is goed voor grofweg 40% van het totale Nederlandse energieverbruik, waardoor hier in potentie een grote energie- en CO2-reductie te behalen is.

Om deze doelstellingen te behalen wil de overheid 22 Mton CO2 besparen in de industrie, waarvan 3 Mton door middel van efficiëntiemaatregelen. Om deze doelstellingen in 2030 te behalen, moet de industrie in Nederland energie-efficiënter gaan werken.

Een dergelijke verduurzaming is met name kansrijk als die is gekoppeld aan kostenreducties en korte implementatie- en terugverdientijden. Binnen de veelgebruikte Advanced Proces Control-systemen is er nog een onbenutte 'marge' in energiebesparing te behalen. Kunstmatige intelligentie gekoppeld aan onderbemetering kan deze energiebesparing realiseren.

Doelstelling

De doelstelling van dit DEI-pilotproject voor enerGQ is om plug & play energiebesparingssoftware voor de industrie en andere sectoren te ontwikkelen tot een Pilot Prototype en dit in 2 pilotomgevingen te valideren.

Dit betreft de ontwikkeling en het testen van een koppelbare, plug & play Artificial Energy Intelligence (AEI) softwaremodule die tot een grote totale potentiële energiebesparing in de industrie zal kunnen leiden. Onderhavig pilotproject draagt primair bij aan de programmalijn Energie-efficiëntie: wanneer het enerGQ 2.0 AEI-systeem succesvol ontwikkeld en gepilot-test wordt binnen onderhavig project, zullen naar verwachting één of meerdere productiebedrijven in de demonstratie, en later meerdere bedrijven in de commerciële versie, van de AEI-technologie gaan investeren en daardoor direct minder energie gaan gebruiken.

Het enerGQ 2.0 systeem draagt daardoor direct en concreet bij aan energiebesparing en daarmee aan een reductie in CO2-uitstoot.

Korte omschrijving

De scope en aanpak van dit project zijn verdeeld in 3 inhoudelijke werkpakketten en een werkpakket voor projectmanagement; deze zijn vervolgens onderverdeeld in activiteiten.

Alle werkpakketten omvatten experimentele ontwikkeling (EO) en worden uitgevoerd door enerGQ. De andere projectpartners leveren data en een pilotlocatie, maar brengen geen kosten/uren in. De inhoudelijke werkpakketten betreffen:

  1. De ontwikkeling en validatie van de AEI-technologie.
  2. De ontwikkeling van de enerGQ 2.0 systeemmodules.
  3. Pilotexperimenten met het enerGQ 2.0 AEI-systeem.

Resultaat

De beoogde projectresultaten zijn:

  • Realiseren van een werkende pilotopstelling, inclusief Long Short Term Memory Machine Learning geïntegreerd in AEI-technologie.
  • De ontwikkelde Plug & Play AEI-technologie:
    • is koppelbaar met bestaande systemen en wordt ervaren als een intelligente add-on in plaats van een extra systeem;
    • is zowel technisch als financieel laagdrempelig in installatie, configuratie en gebruik;
    • kan eenvoudig door derden worden geïmplementeerd;
    • detecteert, signaleert (alarmeert) en informeert over mogelijkheden voor operationele energiebesparing en afwijkingen, zodat waardeverlies voorkomen kan worden.

Een en ander wordt samengevat in een inhoudelijk technisch rapport, dat tevens een basis legt voor een GO/No-GO beslissing voor een vervolgproject (demonstratie en verdere commercialisatie).

Financiële details & Tijdlijn

Financiële details

Subsidiebedrag€ 120.420

Tijdlijn

StartdatumOnbekend
EinddatumOnbekend
SubsidiejaarJaar onbekend

Partners & Locaties

Projectpartners

  • enerGQ B.V.penvoerder

Land(en)

Netherlands

Vergelijkbare projecten binnen DEI+

Demonstratie...

Meer Onderbemeteren Van Industriële EnergieStromen

Het project richt zich op het uitbreiden van Sensorfact's IEMS-platform met diverse sensoren om energie-efficiëntie in de industrie te verbeteren en CO2-uitstoot te reduceren.

€ 307.575
Demonstratie...

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.

€ 404.570
Demonstratie...

Carbon Zero Factory: An all-electric Industrial energy solution

FTM ontwikkelt een all-electric productie faciliteit in Rotterdam om de afhankelijkheid van aardgas te verminderen, met als doel significante CO2-reductie en waardevolle inzichten voor de industrie te bieden.

€ 2.616.212
Demonstratie...

AME AC-laadplatform

Het project AME richt zich op het ontwikkelen van een betaalbaar AC-laadplatform met V2G-technologie om de laadinfrastructuur in Nederland te versnellen en CO2-uitstoot te verminderen.

€ 299.673
Demonstratie...

Pilotproject naar de ontwikkeling van model-based MPC-RL voor energie besparing

Dit project ontwikkelt en valideert een energiebesparingsmodel voor de koeling van datacenters om CO2-uitstoot te verminderen en de energie-efficiëntie te verbeteren.

€ 90.804

Vergelijkbare projecten uit andere regelingen

Missiegedrev...

Energy Hubs voor Inpassing van Grootschalige hernieuwbare ENergie

Het project ontwikkelt een blauwdruk en tools voor Energy Hubs om lokale hernieuwbare energie-integratie op bedrijventerreinen te bevorderen en CO2-uitstoot in Nederland te reduceren.

€ 3.108.237
Missiegedrev...

Energy Control Businesspark – Ecofactorij

Het project ontwikkelt een schaalbaar, semi-autonoom lokaal energiesysteem (SALECS) om netcongestie te verminderen en duurzame energieproductie op bedrijventerreinen te optimaliseren.

€ 3.251.249
Missiegedrev...

Owner & Occupant KPI's oriented Model Predictive OpenBuildingControl

Het project ontwikkelt modulaire voorspellende regeltechnieken voor gebouwbeheersystemen om energiebesparing en comfort te verbeteren, met als doel een duurzame en flexibele energie-integratie.

€ 3.512.530