SEM
SEM
SEM
SEM

Das iHomeLab besuchen

Smart Energy Management Forschung Smarte Lösungen für die Energiewende durch Datenanalyse mit künstlicher Intelligenz

Das Smart Energy Management Team forscht im Bereich Energie-Management in Gebäuden, mit dem Ziel, Energieproduktion und -verbrauch intelligent zu analysieren und steuern, um auch bei einem hohen Anteil an erneuerbaren Energiequellen eine stabile Stromversorgung zu gewährleisten.

Damit trägt das iHomeLab zu einer erfolgreichen Energiewende bei.

Das iHomeLab besuchen

Aktuelle Projekte

Giases

Giases - Glättung von Lastspitzen

Ganzheitlich Integrierendes Adaptives Smart Energy System (GIASES) zur Glättung von Lastspitzen mit flexiblen Verbrauchern und Optimierung der Produktionsplanung von Kraftwerksbetreibern.

Intelligente Energieanalyse

Um dieses Ziel zu erreichen, nutzt das Team fortschrittliche Methoden der künstlichen Intelligenz, um insbesondere Energieverbrauchsdaten detailliert zu analysieren. Durch diese Datenanalyse werden wichtige Erkenntnisse über Verbrauchsmuster gewonnen, die wiederum beim intelligenten Energiemanagement von privaten Wohnungen und Häusern genutzt werden können. Ein Beispiel hierfür ist die Optimierung des Eigenverbrauchs oder die Steigerung der Autarkie.

Darüber hinaus tragen die Analysen auf der Ebene der Energieverteilung dazu bei, Lastspitzen zu vermeiden und somit den Ausbau der Infrastruktur zu minimieren. Weitere Anwendungsgebiete der Energiedatenanalyse umfassen prädiktive Wartung und Energieverbrauchsvorhersagen.

sem

Um die Nutzung von Energiemanagementsystemen zu vereinfachen, setzt das Team auf Sprachinterfaces und forscht im Bereich des Natural Language Processing (NLP) mithilfe von maschinellem Lernen.

Die Sicherheit der Datenübertragung ist von entscheidender Bedeutung, weshalb das Team sichere Internet-of-Things-Architekturen erforscht, um die Datenübermittlung zu gewährleisten.

Die Kompetenzen des Teams umfassen insbesondere:

  • Künstliche Intelligenz (KI)
  • Maschinelles Lernen (ML)
  • Non-intrusive Load Monitoring (NILM)
  • Natural Language Processing (NLP)
  • Cybersicherheit
  • Entwicklung von Embedded Systems und Hardware.

Das Team verfügt über fundierte Fachkenntnisse in den Bereichen:

  • Smart Grid
  • Smart Meter
  • Lastmanagement
  • IoT-Technologien

Weitere Projekte

Seit mehr als 15 Jahren ist das iHomeLab erfolgreich in der Forschung tätig und entwickelt in diversen Projekten Lösungen im Bereich Smart Energy Management.

Moost

MOOST Smart Home Activity Recognition

Aktivitätserkennungssystem für heterogene Smart-Home-Konfigurationen. Schaffung eines Mehrwerts für Smarthome-Besitzer, indem ihnen hoch personalisierte Tipps zur besseren Nutzung ihres Systems gegeben werden.

DEMETER

DEMETER - Combining NLP and Trust

Automatisierte Sammlung und Aufbereitung von Agrardaten mit "Natural Language Processing" und Machine Learning um Marktinformationen aus dem Agrarsektor einer breiten Masse mit einer App zugänglich zu machen.

EVFlex Vehicle2Grid

EVFlex

Ausgleich von Lastspitzen im Stromnetz mit Strom aus Batterien von Elektrofahrzeugen. (Vehicle2Grid oder V2G genannt).

Projekt Smart Maintenance

Smart Maintenance 4.0

«Predictive Maintenance»: Kann anhand von Sensordaten vorhergesagt werden, wann eine Maschine Wartung brauchen wird?

Projekt FAST

FAST

Fitnessgerät mit adaptiver Herzfrequenz-Steuerung für ältere Menschen auf Basis eines E-Bikes

Giases Glättung von Lastspitzen

Giases - Glättung von Lastspitzen

Ganzheitlich Integrierendes Adaptives Smart Energy System (GIASES) zur Glättung von Lastspitzen mit flexiblen Verbrauchern und Optimierung der Produktionsplanung von Kraftwerksbetreibern.

Forschungsprojekt Bodyguard

Bodyguard

Der Einsatz einer Sprachsteuerung im Smart Home bietet zwar viel Komfort. Aber die Mikrofone sind immer an – und schnell können versehentlich sensible Daten ins Internet gelangen. Wir entwickeln deshalb einen Sprachassistenten der ganz ohne Internet auskommt.

Distinguishing Performance Indicators

DPI - Distinguishing Performance Indicators

Entwicklung intelligenter Algorithmen für Energiemanagement-Plattform für einen Gebäudepark.

intelligente Waschmaschine

NILM4Balance

In NILM4Balalnce erforschen wir, wie anhand von Smart-Meter-Daten grosse Stromverbraucher automatisch identifiziert und deren Lastverschiebepotential quantifiziert werden kann.

Forschungsprojekt non intrusive Load Monitoring

NILM@I

Ziel des Projektes ist es, eine Aufschlüsselung einzelner Verbraucher im industriellen Bereich auf Basis einer zentralen Messung des Energieverbrauchs zu erhalten.

Forschungsprojekt non intrusive Load Monitoring

Projekt NILMplus

In diesem Projekt erforschen wir eine Lösung für industrielle Lastaufschlüsselung, welche die Kosteneffizienz eines NILM-Systems mit der Genauigkeit eines klassischen Submeterings kombiniert.

Forschungsprojekt enerFACEpredict

enerFACEpredict

Timing ist alles. Das wissen vor allem Besitzer von Solaranlagen. Denn je präziser sie ihren Stromverbrauch regeln können, desto weniger müssen sie externen Strom beziehen. Das optimale Timing zu errechnen ist eine komplexe Sache. In unserem neuen Projekt forschen wir daran.

Wissenschaftliche Papers zum Thema Smart Energy Management

Partner

Die anwendungsorientierten und interdisziplinären Forschungsprojekte werden in enger Zusammenarbeit mit Industriepartnern und End-User-Organisationen durchgeführt. Die Forschungspartner werden automatisch Teil unseres Netzwerks, welches momentan über 200 Partner umfasst. Sie treffen sich an Netzwerk-Events und haben die Möglichkeit, Kontakte für zukünftige Projekte zu knüpfen.

Das iHomeLab kann auf eine erfolgreiche und langjährige Zusammenarbeit mit seinen Partnern zurückblicken.