Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

ReliAble Online LeaRning in Power ConverTErs to Unlock Flexibility from Motor AppliCaTions

Projektbeschreibung

Einen Paradigmenwechsel zur Verbesserung der Variabilität bei erneuerbarer Energie in der EU einleiten

Maschinen mit Elektromotor wie Ventilatoren, Kompressoren und Pumpen machen mehr als die Hälfte des weltweiten Stromverbrauchs aus, da sie die treibende Kraft für viele Anwendungen wie Heizung und Kühlung sowie für zentrale Abläufe in nahezu allen Branchen und Sektoren sind. Sie stellen eine wichtige, bislang ungenutzte Ressource dar, um die Variabilität bei der erneuerbare Energie in der EU ohne zusätzliche Kosten auszugleichen. Lärmbelästigung, die Verarbeitung großer Datensätze und andere Herausforderungen behindern jedoch den Fortschritt. Das ERC-finanzierte Projekt ARTEFACT soll einen Paradigmenwechsel hin zu einem vollständig dezentralen Rahmen einleiten, der modernstes Edge-Computing mit modernen leistungselektronischen Umrichtern nutzt, um die Selbstquantifizierung und Aggregation der Motorflexibilität im großen Maßstab zu ermöglichen.

Ziel

Electric motor assets such as pumps, fans, and compressors—responsible for over half of global electricity use—represent a vast untapped flexibility resource capable of balancing entire EU renewable energy variability without any added cost. Yet, unlocking this potential presents unprecedented challenges: vast, noisy and diverse data generated by motors is difficult to process in real-time and further restricted by strict privacy regulations, making existing centralized, semi-manual approaches to flexibility quantification and aggregation fundamentally unsuitable.
ARTEFACT proposes a paradigm shift to a fully decentralized framework that harnesses advanced edge-computing in modern power electronic converters to enable motors to self-quantify and aggregate their flexibilities at scale. By rethinking fundamentals of machine learning and system identification, we introduce several key breakthroughs: 1) Reinventing ideas from experimental design theory to filter high-value signals from noise and enable efficient real-time learning in resource-constrained edge devices; 2) Combining physics-informed, offline-trained Bayesian priors with the novel concept of temporal posterior fusion, to robustly learn knowledge across various motor mission profiles and preventing catastrophic forgetting; 3) Developing new probabilistic flexibility envelopes to quantify flexibility with formal uncertainty bounds, while ensuring operational safety; 4) Establishing a fully decentralized aggregation mechanism that will enable millions of motors to self-organize and provide grid services with minimal central intervention, eliminating reliance on historical datasets and centralized processing, and aligning with strict data-privacy regulations.
By unlocking gigawatts of distributed flexibility, ARTEFACT will reduce EU dependence on fossil-fuel plants, avoid investments in grid infrastructure and batteries, yielding billions in annual savings while accelerating the transition to renewable energy.

Wissenschaftliches Gebiet (EuroSciVoc)

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2025-COG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

DANMARKS TEKNISKE UNIVERSITET
Netto-EU-Beitrag
€ 2 000 000,00
Adresse
ANKER ENGELUNDS VEJ 101
2800 Kongens Lyngby
Dänemark
Region
Danmark Hovedstaden Københavns omegn
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
€ 2 000 000,00

Begünstigte (1)