Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

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

Descrizione del progetto

Un cambiamento di paradigma per migliorare la gestione della variabilità delle energie rinnovabili nell’UE

Gli impianti a motore elettrico, tra cui ventilatori, compressori e pompe, rappresentano oltre la metà del consumo globale di energia elettrica, poiché costituiscono la forza motrice di numerose applicazioni, come il riscaldamento e il raffreddamento, nonché di operazioni fondamentali in quasi tutti i settori industriali. Inoltre, sono una risorsa importante ancora poco sfruttata per bilanciare la variabilità delle energie rinnovabili nell’UE senza costi aggiuntivi. Tuttavia, l’inquinamento acustico, l’elaborazione di grandi quantità di dati e altre difficoltà ostacolano i progressi in questo campo. Il progetto ARTEFACT, finanziato dal CER, si propone di introdurre un cambiamento di paradigma verso un quadro completamente decentralizzato che sfrutti le più recenti tecnologie di edge computing, insieme a moderni convertitori elettronici di potenza, per consentire l’auto-quantificazione e l’aggregazione della flessibilità dei motori su larga scala.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2025-COG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

DANMARKS TEKNISKE UNIVERSITET
Contributo netto dell'UE
€ 2 000 000,00
Indirizzo
ANKER ENGELUNDS VEJ 101
2800 Kongens Lyngby
Danimarca
Regione
Danmark Hovedstaden Københavns omegn
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
€ 2 000 000,00

Beneficiari (1)