Projekt „Wirtualna elektrownia budynków dla neutralnej pod względem emisji dwutlenku węgla energii elektrycznej i wzmocnienia stabilności sieci (CoEnerBuild)”.

Okres realizacji: 1.12.2024 – 30.11.2027

Typ: Międzynarodowy

Sieci elektroenergetyczne są modernizowane i przekształcane w sieci inteligentne celem umożliwienia efektywnego zarządzania zapotrzebowaniem na energię, włączania znacznej liczby dodatkowych rozproszonych odnawialnych źródeł energii (OZE), upowszechnienia zastosowania pojazdów elektrycznych i wzrostu wykorzystania systemów magazynowania energii (ESS). W tym kontekście wirtualna elektrownia (VPP) może odegrać ważną rolę. Chociaż każdy budynek o niemal zerowym zużyciu energii (nZEB) jest z punktu widzenia sieci mało znaczącą jednostką, to agregacja geograficznie rozproszonych budynków, zarządzanych jako wspólna wirtualna jednostka, stanowiąca Wirtualną Elektrownię Budynków (BVPP), sprawia, że BVPP może być rozpatrywana jako wielkoskalowy prosument energii. W przeciwieństwie do konwencjonalnych BVPP, system CoEnerBuild będzie posiadał centralną rolę kontrolną w zarządzaniu energią każdego nZEB w celu regulowania obciążenia, przepływu energii w ramach BVPP i transakcji wymiany energii z siecią. Pozwoli to również na osiągnięcie maksymalnego wykorzystania infrastruktury BVPP, ponieważ wielkość instalacji nZEB jest dobrana z uwzględnieniem korzyści płynących z BVPP. Projekt jest realizowany przez 6 partnerów z 5 różnych krajów.



Partnerzy:
1. ARISTOTELIO PANEPISTIMIO THESSALONIKIS, Grecja
2. Frederick University, Cypr
3. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN, Polska
4. INGENIERIA Y DISEÑO ESTRUC-TURAL AVANZADO SL, Hiszpania
5. TwinIO Energy sp. z o.o., Polska
6. Municipality of Basaksehir, Turcja


Projekt finansowany przez Narodowe Centrum Badań i Rozwoju w ramach konkursu CETPartnership, Joint Call 2023, nr umowy: CETP-FP-2023-00014

Wartość projektu: 1 987 702,66 zł
Dofinansowanie: 1 798 260,61 zł

Projekt „Automatyzacja procesu detekcja obiektów topograficznych z wykorzystaniem algorytmów sztucznej inteligencji – ADEPT”.

Okres realizacji: 01.09.2024 – 31.12.2026

Typ: INFOSTRAGEG

Celem projektu jest opracowanie innowacyjnego narzędzia informatycznego wykorzystującego algorytmy uczenia maszynowego do automatycznej detekcji i klasyfikacji obiektów topograficznych, które zasilają bazę BDOT10k. Technologia detekcji opierać się będzie na metodach machine learningu i deep learningu, a do analizy wykorzystywane będą dane fotogrametryczne dostępne w państwowym zasobie geodezyjnym i kartograficznym.

Zakres prac badawczo-rozwojowych:
1. Przygotowanie danych treningowych – opracowanie zbioru danych dla klas obiektów zgodnie z kategoriami BDOT10k.
2. Wytrenowanie modelu detekcji – stworzenie i dostosowanie algorytmu do wykrywania obiektów topograficznych.
3. Przygotowanie danych testowych – opracowanie zestawu testowego do weryfikacji skuteczności modelu.
4. Przeprowadzenie badań testowych – ewaluacja działania modelu oraz modyfikacja algorytmu w celu optymalizacji wyników.
5. Opracowanie interfejsu aplikacji – stworzenie graficznego interfejsu użytkownika (GUI), który umożliwi obsługę systemu.
6. Przygotowanie dokumentacji technicznej – opracowanie pełnej dokumentacji aplikacji, opisującej jej funkcjonalność oraz sposób działania.


Partnerzy:
Proa Technology sp. z o.o.
Akademia Górniczo-hutnicza Im. Stanisława Staszica w Krakowie, Wydział Inżynierii Lądowej i Gospodarki Zasobami
TwinIO Energy sp. z o.o., Polska


Projekt finansowany przez Narodowe Centrum Badań i Rozwoju w ramach konkursu INFOSTREG V

Wartość projektu: 7 276 712,40 zł
Dofinansowanie: 5 417 106,72 zł

Projekt „Opracowanie zintegrowanego narzędzia bazującego na metodach programowania matematycznego i uczenia maszynowego umożliwiającego przedsiębiorstwom optymalizację procesu zakupu, wykorzystania produkcji własnej i magazynowania energii elektrycznej, przyjmując jako kryterium optymalizacji minimalizację kosztów energii”.

Przedmiotem projektu jest przeprowadzenie prac B+R prowadzących do opracowania narzędzia umożliwiającego przedsiębiorstwom optymalizację procesu zakupu, wykorzystania produkcji własnej i magazynowania energii elektrycznej. Zbudowane narzędzie bazować będzie koncepcyjnie na dwóch kategoriach metod wykorzystywanych w procesach podejmowania decyzji, tj. uczenia maszynowego oraz programowania matematycznego. Metody uczenia maszynowego zostaną wykorzystane do prognozowania cen energii elektrycznej, jej produkcji z własnych źródeł (np. PV, wiatr) oraz prognozowania profili zużycia energii elektrycznej. Wyniki modeli wykorzystujących uczenie maszynowe zostaną wykorzystane jako parametry wejściowe do modelu optymalizacyjnego (razem z pozostałymi parametrami techniczno-ekonomicznymi magazynu energii, źródeł wytwórczych itp.) zbudowanego z wykorzystaniem metod programowania matematycznego. Jako kryterium optymalizacji zostanie przyjęta minimalizacja kosztów pozyskania energii elektrycznej. W ramach projektu zbudowane narzędzie zostanie zweryfikowane i przetestowane na studiach przypadków. W projekcie przewidziane są również prace przedwdrożeniowe.

Opracowane narzędzie umożliwi uzyskanie następujących rezultatów:

1. Prognoz produkcji energii ze źródeł wytwórczych, cen energii i zapotrzebowania na energię elektryczną;
2. Zoptymalizowanych harmonogramów zakupu energii elektrycznej, wykorzystania produkcji własnej, ładowania i rozładowania magazynów;
3. Kosztów całkowitych i godzinowych pozyskania energii elektrycznej w przedsiębiorstwie.

Grupą docelową opracowanego narzędzia są przedsiębiorstwa przemysłowe i usługowe zużywające powyżej 10 MWh/miesiąc, zainteresowane redukcją kosztów pozyskania energii elektrycznej z wykorzystaniem magazynów energii i własnych źródeł wytwórczych.

Wartość projektu: 5 959 124,26 zł
Dofinansowanie: 4 689 045,08 zł

Projekt „Opracowanie zautomatyzowanego narzędzia wspierającego decyzje kierowcy w zakresie optymalnego wyboru stacji ładowania samochodu elektrycznego, wykorzystującego metody programowania matematycznego oraz uczenia maszynowego”.

Przedmiotem projektu jest przeprowadzenie prac B+R prowadzących do opracowania zautomatyzowanego narzędzia wspierającego użytkowników pojazdów elektrycznych w procesie wyboru optymalnych stacji i czasu ładowania samochodu z punktu widzenia potrzeb i wymagań kierowców. Narzędzie będzie bazować na integracji dwóch metod badawczych: (i) programowania matematycznego (w obszarze optymalizacji) oraz (ii) uczenia maszynowego (w obszarze prognozowania). Wybrane metody uczenia maszynowego zostaną wykorzystane do predykcji wiarygodnego zasięgu samochodu elektrycznego w zmiennych warunkach, uwzględniających m.in. temperaturę otoczenia, styl jazdy, profil trasy oraz informacje o włączonych w pojeździe systemach i stanie naładowani baterii. Wyniki modelu wykorzystującego uczenie maszynowe zostaną wykorzystane jako parametry wejściowe do modelu optymalizacyjnego, bazującego na metodach programowania matematycznego. Zadaniem tego modelu będzie dobór stacji ładowania oraz harmonogramowanie ładowania dla ustalonej, wieloetapowej trasy przemieszczania się pojazdu. Rozwiązanie optymalne będzie uwzględniać wiele kryteriów (optymalizacja wielokryterialna), związanych przede wszystkim z kosztami i czasem ładowania. W ramach projektu zbudowane zostanie zintegrowane narzędzie, które w toku prowadzonych prac B+R zostanie zweryfikowane i przetestowane. W projekcie przewidziane są również prace przedwdrożeniowe.

Opracowane narzędzie umożliwi uzyskanie następujących rezultatów:

1. Prognoza zasięgu pojazdu elektrycznego uwzględniająca zmieniające się uwarunkowania.
2. Wybór stacji i czasu ładowania pojazdu z uwzględnieniem trasy podróży i preferencji kierowcy.
3. Całkowite koszty i czas ładowania pojazdu elektrycznego.

Grupą docelową produktu projektu są indywidualni użytkownicy (kierowcy) pojazdów elektrycznych.

Wartość projektu: 5 987 303,97 zł
Dofinansowanie: 4 863 651,32

Projekt „Narzędzie informatyczne wspierające proces decyzyjny wykonania projektu integracji OZE z podziemnym magazynem gazu w kawernach solnych”.

Przedmiotem projektu jest opracowanie narzędzia informatycznego służącego do wspierania procesów decyzyjnych w obszarze projektów integrujących instalacje wykorzystujące odnawialne źródła energii z podziemnymi magazynami gazu w kawernach solnych. W ramach projektu realizowane są następujące prace badawczo-rozwojowe:

1. Opracowanie koncepcji i struktury modelu szacowania inwestycji w magazynowanie i infrastrukturę oraz rekomendacji działania na rynku energii.
2. Opracowanie modelu matematycznego zintegrowanego systemu opartego na sieci gazu ziemnego i sieci energii elektrycznej, uwzględniającego dwukierunkową konwersję energii.
3. Opracowanie modułu służącego do doboru urządzeń i oceny ich wpływu na pracę zintegrowanej sieci gazu ziemnego i sieci elektroenergetyczne.
4. Weryfikacja opracowanych modeli matematycznych zaimplementowanych w stworzonym narzędziu informatycznym wspierającym proces decyzyjny wykonania projektu integracji OZE z podziemnym magazynem gazu w kawernach solnych.
5. Implementacja opracowanych modeli do aplikacji informatycznej.

Rezultatem projektu będzie aplikacja informatyczna umożliwiająca ocenę różnych scenariuszy integracji OZE z podziemnym magazynem gazu w kawernach solnych.

Projekt jest finansowany przez Narodowe Centrum Badań i Rozwoju oraz przez Polskie Górnictwo Naftowe i Gazownictwo w ramach Wspólnego Przedsięwzięcia INGA (Numer naboru: 4/4.1.1/2019 projekt nr: POIR.04.01.01-00-0041/19).

Projekt jest realizowany w konsorcjum naukowo-badawczym. Liderem projektu jest Politechnika Krakowska a konsorcjantem merytorycznym Instytut Gospodarki Surowcami Mineralnymi i Energiią PAN. Partnerem przemysłowym jest PGNiG oraz przedsiębiorstwo TwinIO Energy Sp. z o.o.

Projekt rozpoczął się w październiku 2021 r. i będzie realizowany do końca września 2023 r.