Das Projekt "Neuronale Netzwerke für die Solarthermie" wird vom Umweltbundesamt gefördert und von Fraunhofer-Institut für Solare Energiesysteme durchgeführt. Eine wichtige systemtechnische Komponente von Solarthermieanlagen ist die Regelung. Wesentliche Kosten dieser Komponente entstehen bei der Programmierung der Regelalgorithmen. Hier könnte die Nutzung der Methodik von Neuronalen Netzwerken erhebliche Kostenvorteile erschließen. Gleichzeitig bieten sich damit auch ganz neue Möglichkeiten der Regelungsoptimierung in Hinblick auf die Energieeffizienz. Wesentliches Ziel des Projektes ANNsolar ist es, die monetären und technischen Vorteile der Methodik der Neuronalen Netzwerke für die Solarthermie nutzbar zu machen und zu belegen. Die Option, selbstlernende Algorithmen zu generieren, erlaubt wesentlich einfacher komplexe Regelungsstrategien zu realisieren, welche eine Steigerung der Energieeffizienz ermöglichen. Im vorgestellten Projekt geht es dabei zunächst darum, die Grundlagen für die Anwendung von Neuronalen Netzwerken in der Solarthermie zu schaffen. Im Fokus steht dabei die Entwicklung von Trainings- und Selbstlernalgorithmen. In einem zweiten Schritt wird für die Anwendung 'Solarkreis-Heizkreisreglung' eine Regelung mit der Methodik der Neuronalen Netzwerke realisiert. Damit soll der Nachweis erbracht werden, dass die Neuronalen Netzwerke eine geeignete Methodik für die Regelung von solarthermischen Heizungsanlagen darstellen.
Das Projekt "Vorhersage und Erklaerung des Verhaltens und der Belastbarkeit von Oekosystemen unter veraenderten Umweltbedingungen - Teilprojekt S10: Untersuchung der Schwefeldynamik im Grundwasserleiter" wird vom Umweltbundesamt gefördert und von Universität Bayreuth, Bayreuther Institut für Terrestrische Ökosystemforschung, Lehrstuhl für Hydrogeologie durchgeführt. In zwei bewaldeten Einzugsgebieten (Lehstenbach- und Steinkreuzeinzugsgebiet) wurden die Wechselwirkungen zwischen Fliesswegen und Verweilzeiten sowie der Einfluss der vermoorten Flaechen auf die Schwefel- und Stickstoffumsaetze untersucht. Dafuer standen die im Rahmen langjaehriger Monitoringprogramme erhobenen umfangreiche Datensaetze zur Verfuegung. Diese umfassen meteorologische, bodenhydrologische, hydrogeologische, sowie Messungen in den Oberflaechengewaessern. Die zeitliche Aufloesung der physikalischen Daten ist mindestens stuendlich, und vierzehntaegig fuer die meisten hydrochemischen Daten. Fuer das Lehstenbacheinzugsgebiet lag ein Datensatz ueber zehn, und fuer das Steinkreuzgebiet ueber drei Jahre vor. Zusaetzlich wurde in beiden Einzugsgebieten eine Bodenradar-(GPR-)Aufnahme durchgefuehrt. Im Steinkreuzgebiet wurden ueber zwei Jahre hinweg eine hoch 18 O und hoch 2 H-Studie durchgefuehrt. Im Lehstenbachgebiet wurden zusaetzlich zeitlich hoch aufgeloeste hydrochemische Messungen im Grund- und Oberflaechenwasser, der Bestimmung hydrochemischer Gradienten in den Vorflutern und Pumpversuche durchgefuehrt. In zwei Steady-State-Tracerexperimenten im ueberdachten Gaerdsjoen-G1-Einzugsgebiet (Schweden) konnten auf Einzugsgebietsebene Experimente unter kontrollierten hydrologischen Randbedingungen durchgefuehrt werden, die ansonsten nur im Labor moeglich sind. Fuer das Lehstenbachgebiet wurde ein zweidimensionales Niederschlags-Abfluss-Modell angewendet. Das raeumliche Muster der mittleren Grundwasserstaende wurde durch ein Grundwassermodell unter Gleichgewichtsannahme modelliert. Zeitreihen des Lehstenbachgebietsabflusses sowie der Konzentrationen verschiedener Inhaltsstoffe beider Einzugsgebiete wurden mittels neuronaler Netze simuliert.
Das Projekt "Einsatz neuronaler Netze zur Bestimmung preisabhaengiger Nutzenergienachfrageprojektionen fuer Energie-Emissions-Modelle" wird vom Umweltbundesamt gefördert und von Universität Karlsruhe (TH), Institut für Industriebetriebslehre und Industrielle Produktion durchgeführt. Die nachhaltige Senkung der energiebedingten Umwelt- und Klimabelastungen erfordert Umstrukturierungen im Energiesektor. Hierdurch initiierte Aenderungen in der Preis- und Kostenstruktur fuehren zu einer modifizierten Nachfrage nach Nutzenergie. Die fuer umweltrelevante Systemstudien im Energiesektor bisher verwendeten Energie-Emissions-Modelle koennen derartige Reaktionen bisher nur unzureichend beruecksichtigen. Zielsetzung des vorgeschlagenen Forschungsvorhabens ist es daher, eine neue Methodik zu entwickeln und anzuwenden, die die preisinduzierten Nachfrageaenderungen der Nutzenergie in Energie-Emissions-Modellen adaequat abbilden kann. In einem ersten Arbeitsschritt wird untersucht, in welchen Nachfrageberichen Einfluesse des Energiepreises auf die Nutzenergienachfrage existieren. Dazu werden fuer die unterschiedlichen Nachfragekategorien Modelle zur Abbildung von Zusammenhaengen zwischen Energiepreis und Nutzenergienachfrage entwickelt. Hierfuer werden Modelle zur Abbildung von Preisabhaengigkeiten der Nutzenergienachfrage entwickelt. Die methodische Grundlage bilden neuronale Netze. Mit diesen Modellen erstellte preisabhaengige Nachfrageprojektionen werden in ein Energie-Emissions-Modell integriert. Fuer die Entwicklung und Bewertung einer Treibhausgasminderungsstrategie fuer das Gebiet der Bundesrepublik Deutschland wird die neue Methodik angewendet und evaluiert.