Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

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

Descripción del proyecto

Un cambio de paradigma para mejorar la variabilidad de las energías renovables en la Unión Europea

Los equipos con motor eléctrico, como ventiladores, compresores y bombas, representan más de la mitad del consumo mundial de electricidad, ya que constituyen la fuerza motriz de numerosas aplicaciones, como la calefacción y la refrigeración, así como de operaciones fundamentales en casi todos los sectores e industrias. Representan un importante recurso sin explotar para equilibrar la variabilidad de las energías renovables en la Unión Europea sin ningún coste adicional. Sin embargo, la contaminación acústica, el procesamiento de grandes conjuntos de datos y otros retos frenan el progreso. El proyecto ARTEFACT, financiado por el Consejo Europeo de Investigación, tiene como objetivo introducir un cambio de paradigma hacia un marco totalmente descentralizado que aproveche la tecnología puntera de computación periférica, junto con modernos convertidores electrónicos de potencia, para permitir la autocuantificación y la agregación de la flexibilidad de los motores a gran escala.

Objetivo

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.

Ámbito científico (EuroSciVoc)

Programa(s)

Tema(s)

Régimen de financiación

HORIZON-ERC - HORIZON ERC Grants

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) ERC-2025-COG

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

DANMARKS TEKNISKE UNIVERSITET
Aportación neta de la UEn
€ 2 000 000,00
Dirección
ANKER ENGELUNDS VEJ 101
2800 Kongens Lyngby
Dinamarca
Región
Danmark Hovedstaden Københavns omegn
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
€ 2 000 000,00

Beneficiarios (1)