Opis projektu
Kompleksowe podejście do dostarczania energii
Nasze życie zależy od sieci cieplnych, energetycznych i gazowych. Dlatego też zadbanie o bardziej ekologiczny charakter tych sieci ma kluczowe znaczenie dla realizacji europejskich celów w zakresie efektywności energetycznej i efektywnego gospodarowania zasobami. W tym kontekście zespół finansowanego przez UE projektu RELIC będzie badał kompleksowe podejście do sposobu dostarczania zasobów i energii dla przemysłu poprzez sieci dystrybucyjne. Naukowcy zbadają, w jaki sposób włączenie uczenia się na podstawie danych do projektowania algorytmów sterowania prowadzi do poprawy wyników w zakresie ochrony środowiska. Obecnie sterowanie sieciami jest bardzo złożonym procesem z uwagi na różne skale czasowe, od milisekund koniecznych na zapewnienie bezpiecznej pracy pomp czy generatorów po dni bądź miesiące. Warunki eksploatacji nie są stałe, brakuje też informacji. W ramach projektu zostaną opracowane nowe strategie operacyjne dla sieci dystrybucyjnych.
Cel
"Increasing energy and resource efficiency in industrial systems is key to decrease harmful emissions by 90% by 2050. Reaching the environmental targets requires a holistic approach to how resources and energy are delivered to the industry by means of distribution networks, such as heat networks, electricity networks, or gas transport networks. I will devise new control strategies that ensure robust operation of distribution networks while ensuring safety and satisfaction of environmental objectives.
The environmental performance of the whole system hinges on the performance of distribution networks. Optimal control of such networks is complex due to timescales, from milliseconds to ensure safe operation of pumps or generators, to days or months to include environmental goals, spatial complexity, uncertainty related to varying operating conditions, incomplete information available, and limited computational power. Existing control frameworks are usually application specific and have limited use in large-scale systems. In the project, I will advance theory in data analytics and optimisation, and build on my industrial experience to develop operating strategies for distribution networks that will enable safe implementation and reaching the environmental targets.
There is a potential in integrating machine learning in control design to overcome the complexity while satisfying safety constraints, as shown in robotics and automotive industry. However, IPCC indicated that ""The key challenge for making an assessment of the industry sector is the diversity in practices, which results in uncertainty, lack of comparability, incompleteness, and quality of data available in the public domain on process and technology specific energy use and costs"". The research question I will address in this project is if and how incorporating data-driven learning in design of control algorithms leads to improved environmental performance and safe operation of large-scale industrial networks."
Dziedzina nauki
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectrical engineeringpower engineeringelectric power distribution
- engineering and technologymechanical engineeringvehicle engineeringautomotive engineering
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringrobotics
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Program(-y)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordynator
7491 Trondheim
Norwegia