Smart Grids Icon
Smart Grids
Der wachsende Anteil erneuerbarer Energieträger und die zunehmende Dezentralisierung erfordern eine Anpassung der Energienetze. Die Forschungsthemen erstrecken sich von der Entwicklung neuer Komponenten und Betriebsmittel über die Simulation zur Planung und zum interoperablen und sicheren Betrieb von Netzen bis zur Demonstration.
122 Projekte

GLF Krake – Kraftwerke im Klimawandel – Auswirkungen auf die Erzeugung von Elektrizität

(zuletzt geändert am 22/12/2020)

Konzeption innovativer Geschäftsmodelle zur aktiven Netzintegration dezentraler Verbraucher- und Erzeugeranlagen

(zuletzt geändert am 22/12/2020)

Energiepark Plesching – Neue europäische Energieeffizienz mit aktivem Klimaschutz

(zuletzt geändert am 22/12/2020)

AMIS – Systementwicklung Automatisches Metering- und Informations-System (AMIS) im Netz der Energie AG

(zuletzt geändert am 22/12/2020)

Technologieplattform Smart Grids Austria

(zuletzt geändert am 22/12/2020)

FB-Vision 2020 – Energieversorgung BRAUCOMMUNE IN FREISTADT

(zuletzt geändert am 22/12/2020)

Ausarbeitung eines Leitprojektes und erste Realisierung im großräumigen Energiemanagement durch dezentralen Einsatz innovativer elektrochemischer Energiespeichersysteme in Verbindung mit „Erneuerbarer Energie“ PV/Wind

(zuletzt geändert am 22/12/2020)

IndustRiES-Tool Online Visualisierung des IndustRiES-Tools – Energieinfrastruktur in einem 100% Erneuerbaren Szenario für die österreichische Industrie

Wie die österreichische Industrie CO2-neutral werden kann, zeigte das AIT Austrian Institute of Technology in der Studie IndustRiES 2019 auf. Mit dem NEAT- und dem IndustRiES-Tool stellt das AIT Center for Energy im Auftrag des Klima- und Energiefonds eine interaktive Web-Applikation zur Verfügung, die mit wenigen Klicks zeigt, welche Auswirkungen die Dekarbonisierung der Industrie auf einzelne Energieträger und den Energiebedarf haben.     mehr

(zuletzt geändert am 29/07/2022)

NextHyb2 Next Generation hybrider2 Modellierung für die Analyse und Optimierung integrierter, intelligenter Energiesysteme

NextHyb2 entwickelt das Konzept hybrider Co-Simulation für integrierte Energiesysteme. Dazu werden im Projekt Methoden der physikalischen Modellierung mit Machine Learning Techniken kombiniert. mehr

(zuletzt geändert am 07/06/2021)

Brainy Heat Grids Senkung der Systemtemperatur von Wärmenetzen mittels ML-unterstützter Regelalgorithmen

Da die heimischen Wärmenetze oft historisch gewachsen sind, werden mit ein und demselben Wärmenetz oft Abnehmer beliefert die unterschiedliche Versorgungstemperaturen benötigen. Im vorliegenden Projekt sollen Regelstrategien auf Basis von Machine Learning erarbeitet werden, die es ermöglichen, diverse Wärmeübergabestationen zentral zu steuern, so dass vorwiegend Betriebsfälle mit einer niedrigen Rücklauftemperatur in relevanten Netzbereichen auftreten. mehr

(zuletzt geändert am 07/06/2021)