Gerotor startet KI-Forschungsprojekt für Energiespeicher

Gerotor startet KI-Forschungsprojekt für Energiespeicher 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 […]

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.

Gerotor GmbH
www.gerotor.tech

News

Fachbeiträge

Weitere Fachbeiträge

Die Demokratisierung von maschinellem Lernen in der Industrie

Seit mehreren Jahren dringt die Digitalisierung immer weiter in die industrielle Produktion vor. Die Verheißungen, durch Datenerhebung und -analyse die eigene Effizienz und Produktivität zu steigern sowie neue datenbasierte Geschäftsmodelle zu entwickeln, klingen vielversprechend in einem Zeitalter, in dem die meisten Unternehmen auf der Suche nach neuen Wachstumsmöglichkeiten sind. Ein Bereich, dem ein enormes Potenzial zugeschrieben wird, ist künstliche Intelligenz bzw. Machine Learning. Ein Kommentar von Tobias Gaukstern, Leiter der Business Unit Industrial Analytics bei Weidmüller.

Entwicklungsprognose

Entwicklungsprognose Trends für die Fabrik der Zukunft Wohin entwickeln sich die Fabriken in den nächsten Jahren? Philipp Wallner von MathWorks wagt die Prognose, das fünf Faktoren darunter sein werden, die individuelles Fertigen und Ressourceneffizienz in Einklang...

Künstliche Intelligenz für Gebäude

Künstliche Intelligenz (KI) gilt als Schlüsseltechnologie der kommenden Jahre für die Bereiche Autonomes Fahren, Industrie 4.0 und Medizintechnik. Auch im Gebäudemanagement setzt man längst auf automatisierte Lösungen. Bei neuen Bauvorhaben wünschen sich Betreiber immer häufiger smarte Technologien. Gebäude werden mit einer Vielzahl an Sensoren ausgestattet: von IP-Kameras über Feuer- und Rauchmelder, Thermostatregler und weiteren Überwachungssystemen für Heiz-, Lüftungs- und Klimatechnik bis hin zu biometrischen Lesegeräten für die Zutrittskontrolle. All diese IP-Geräte werden mit jeder Entwicklungsstufe immer intelligenter. Werden sie alle mittels Software vernetzt, entsteht ein intelligentes Gebäude.

Cyber-Bedrohungen 2020

Fortgeschrittene KI und intelligente Bedrohungs-Desinformation Cyber-Bedrohungen 2020 Der Cybersecurity-Anbieter Fortinet hat die Prognosen von FortiGuard Labs zur Bedrohungslandschaft für 2020 veröffentlicht. Die Analysten von Fortinet zeigen darin Methoden, die...

Lernende Objekterkennung in Echtzeit

Heutige Inspektionsssteme sind auf wenige, sehr akkurat justierte Objekttypen herstellerseitig justiert. Kommen neue Produkttypen hinzu, müssen die Systeme zeitaufwendig neu justiert werden. Die KI-Inspektionsplatform von Gestalt Robotics beseitigt diese Hürden.

Maschinenlernen eingebettet

Bisher wird der gewünschte Zusammenhang zwischen den jeweiligen Eingangs- und Ausgangsdaten einer Automatisierungsbaugruppe mittels wissensbasierter Regeln in einer Hoch- oder SPS-Programmiersprache kodiert und auf einem eingebetteten System ausgeführt. In Zukunft lassen sich Embedded Systeme in der Automatisierung auch per Supervised Machine Learning für eine bestimmte Aufgabenstellung trainieren.

Zwischen Regelwerk und Selbstlernen

Nach einer Studie von Gartner soll bis 2022 der Geschäftswert von KI auf 2,85 Billionen Euro steigen. Der Löwenanteil davon wird voraussichtlich auf den Bereich der Kundenerfahrung entfallen, für das schon ausgereifte Tools am Markt existieren. Dieser Überblick zeigt, wie es heute um KI im Field Service Management steht und wohin die Reise geht.

Psychometrie im Vertrieb

Psychometrie im Vertrieb Souffleuse für das Verkaufsgespräch Ein neuer Trend in der Marketing-Kommunikation ist die KI-gestützte Stimmungsanalyse der Gesprächspartner: Sentimentanalysen in Verbindung mit Spracherkennung wie bei Amazons Alexa, IBM Watson, oder Google...

Direkte Roboteransteuerung

Direkte Roboteransteuerung Mit dem Ziel der direkten Roboteransprache über die neue Steuerung SmoothAi haben Mazak und namhafte Roboterhersteller ihre Zusammenarbeit intensiviert. Den Kern der SmoothAi machen drei wesentliche Eigenschaften aus: das so genannte Machine...

News

→ MEHR