Gerotor startet KI-Forschungsprojekt für Energiespeicher

Gerotor startet KI-Forschungsprojekt für Energiespeicher

Bild: ©Alexander Limbach/Fotolia.com

Das Münchener Clean-Tech-Startup Gerotor forscht in einem weltweit einzigartigen Projekt an künstlicher Intelligenz für elektrische Hochleistungsspeicher.

Zusammen mit den wissenschaftlichen Partnern, dem Institut für Energieeffizienz in der Produktion EEP der Universität Stuttgart und dem Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA werden Algorithmen für eine selbsteinstellende Steuerung entwickelt. Neben der Thyssenkrupp Elevator AG und der EWS Weigele GmbH & Co. KG engagiert sich auch der Maschinenbaukonzern Starrag Technology GmbH als assoziierter Industriepartner in dem Forschungsprojekt „StEff-Control“, kurz für Self-Tuning Efficiency Control for intelligent Flywheel Energy Storage Systems.

Wichtigstes Ziel ist es, durch die Entwicklung einer intelligenten Regelungssoftware den Applikationsaufwand deutlich zu reduzieren und einen großen Schritt in Richtung Plug&Play-Fähigkeit von industriell eingesetzten Energiespeichern zu machen. Mit dem Stromspeicher von Gerotor können Industrie- und Produktionsunternehmen die Energieeffizienz von Maschinen und Anlagen signifikant erhöhen. Spitzenlastmanagement und Rekuperation unterstützen die Kunden dabei, den Energieverbrauch und den CO2-Abdruck ihres Betriebs zu senken und überflüssige Stromerzeugung zu vermeiden. Das Projekt ist durch das Bundesministerium für Bildung und Forschung und über den Projektträger DLR maßgeblich gefördert.

Die intelligente, auf maschinellem Lernen basierende Regelungssoftware soll den zeitlichen Applikationsaufwand um über 95% reduzieren und eine automatische Anpassung an wechselnde Anlagen- und Betriebsszenarien ermöglichen. Weitere Ziele des Forschungsprojekts umfassen die Weiterentwicklung der Speichereinheit, um den Energiegehalt zu erhöhen, und das Erstellen digitaler Verschleißmodelle, um die technische Verfügbarkeit zu erhöhen und den Wartungsaufwand durch vorausschauende Wartung zu reduzieren. Darüber hinaus ist auch die Integration von universellen Datenschnittstellen für die einfachere Einbindung des Systems ein weiteres Ziel.

Hauptbestandteil des Gerotor HPS-Systems ist eine Hochgeschwindigkeits-Schwungmasse, die als elektromechanischer Stromspeicher im DC-Zwischenkreis von leistungsstarken dynamischen Maschinen und Anlagen integriert wird. Beim Abbremsen von diesen Systemen speichert das Schwungrad die Bremsenergie und stellt sie beim darauffolgenden Anlauf der Maschine wieder zur Verfügung. Verbrauchsreduktionen durch die Rekuperation der Bremsenergie, die gleichbedeutend ist mit der Verringerung des CO2-Footprints, belaufen sich auf durchschnittlich ca. 25 %. Je nach Anlage sind sogar Spitzenwerte von über 50 % möglich. Daneben profitieren die Nutzer von Kosteneinsparungen durch Spitzenlastmanagement, das heißt durch Reduktion der Anschlussleistung, Verbesserung der Stromqualität und kurzzeitige Spannungsstabilisierung bei Ausfällen des Stromnetzes, was immer wichtiger wird.

Thematik: Newsarchiv
|
Gerotor GmbH
www.gerotor.tech

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige