fbpx

Lasagne

Framtidens smarta AI-drivna energitjänster optimerar olika energisystem för produktion och konsumtion.

Förbättrad styrning av energiresurser med stöd av AI

LASAGNE  är ett treårigt EU-finansierat projekt i samarbete med partners i Schweiz och Sverige. Det övergripande syftet är att bidra till energiomställningen genom att utveckla en intelligent digital plattform som kopplar samman flera intressenter (hushåll, energiföretag, mjukvaruutvecklare och enhetstillverkare) vilket gör det möjligt för hushåll att tjäna pengar eller spara energi och för energiföretag att upprätthålla nätets stabilitet.

Projektet syftar till att:
1. Stödja decentraliserad energiomställning: Genom att främja användningen av förnybara energikällor och skapa incitament för hushåll och mikronät att delta aktivt i energiekonomin.

2. Utveckla en smart energiinfrastruktur: Använda moderna teknologier som maskininlärning, ML, och Grid Edge Devices, GED, för att skapa självadaptiva system som reagerar på förändringar i energibehov och förutsättningar.

3. Säkerställa att teknologin och systemet accepteras av användare och andra aktörer genom att ta hänsyn till sociala och ekonomiska faktorer redan från början.
MÅL
1. Stärka och motivera användarna:
• Göra det möjligt för hushåll och mikronät att delta i lokala cirkulära affärsmodeller genom personanpassade funktioner för övervakning och rapportering i GED-enheter.

2. Utveckla en digital ramverk för energi:
• Utveckla ett ramverk baserat på samarbetsinriktade ML-algoritmer för att förutse energianvändning och produktion.
• Skapa verktyg för utveckling av användaranpassade, självadaptiva energiapplikationer.
• Stödja styrning och samarbete mellan intressenter (hushåll, företag och tillverkare via plattformen Nuvla.io.

3. Testa LASAGNE-ramverket i två fältstudier:
• Validera ramverket I två fältstudier, en Les Vergers Ecoquartier i Genève och ElectriCITY Innovation i Stockholm.
VISION
LASAGNE vill skapa en intelligent energiekosystem där alla intressenter kan samarbeta sömlöst, baserat på avancerade teknologier och socialt acceptabla lösningar. Det övergripande målet är att kombinera tekniska innovationer och beteendeförändringar för att påskynda energiomställningen på ett hållbart och inkluderande sätt.

89%

Projektperiod

maj 2022 - mar 2025

Projektinfo


Kategori Energi


ProjektnamnLASAGNE, digitaL frAmework for SmArt Grid and reNewable Energie


ProjektpartnersHES-SO, UniGe och CLEMAP (Schweiz) samt KTH, Recap Power och ElectriCITY (Sverige))


KoordinatorHES-SO, University of Applied Sciences and Arts, Schweiz


FinaniseringERA-Net Smart Energy Systems och Mission Innovation/EUs forsknings- och innovationsprogram Horizon 2020


Projektansvarig ElectriCITYJörgen Lööf, CEO

Kontaktpersoner hos ElectriCITY

Annie Albåge

Kontakta mig

Jörgen Lööf

Kontakta mig

Josefin Danielsson

Kontakta mig

Testbädd Hammarby Sjöstad

Den svenska fältstudien ska i samarbete med Recap Power testa lösningar för styrning, aggregering och flextjänster hos bostadsrättsföreningar inom energigemenskapen i Hammarby Sjöstad. Syftet är att utvärdera, visa potential och mäta effekterna av implementeringen. Förväntningen är att resultaten ska motivera införande i ytterligare bostadsrättsföreningar. De tekniska lösningarna i projektet kommer att genomföras gradvis, med start av hårdvaruinstallation och integrering i system för att möjliggöra kontroll av resurser.

Nästa steg omfattar test av tjänster för att minska energikostnader (till exempel schemaläggning baserat på elpriser). Dessutom är ambitionen att skapa inkomstströmmar via deltagande på SthlmFlex och/eller erbjuda stödtjänster till Svenska kraftnät. Möjligheten till delning av lokal el planeras också att undersökas inom ramen för projektet.

Mer om tekniken

Machine Learning, eller maskininlärning på svenska, är en del av artificiell intelligens (AI) där datorer tränas att lära sig från data och göra förutsägelser eller beslut utan att vara explicit programmerade för varje uppgift.

I maskininlärning används algoritmer som kan identifiera mönster i data och förbättra sin prestanda över tid när de exponeras för mer information.

I LASAGNE-projektet används Machine learning för att:
• Förutsäga energiförbrukning och produktion.
• Utveckla självadaptiva system som kan anpassa sig till förändrade förhållanden.
• Koordinera och optimera interaktionen mellan GED-enheter.

I LASAGNE används Grid Edge Devices, en typ av hårdvara eller en kombination av hårdvara och mjukvara som placeras vid ”nätets kant”, det vill säga nära användarna och energikällorna, snarare än i centrala system som i ett traditionellt elnät. GED spelar en nyckelroll i smarta elnät och mikronät.

Inom LASAGNE-projektet används Grid Edge Devices-enheter för att skapa intelligenta mikronät som kan:
• Förutsäga energibehov och produktion med hjälp av maskininlärning (ML).
• Koordinera energiförbrukning och produktion mellan olika hushåll och mikronät.
• Underlätta energitransaktioner och förhandlingar mellan aktörer i nätet.
Kort sagt, GED är en nyckelteknologi för att möjliggöra smartare, decentraliserade och hållbara energisystem.

Partners

Relaterade projekt