Energiteknologi og computer science

Vi fokuserer på konvergensen af ​​energiteknologi og datalogi, især inden for kunstig intelligens (AI), machine learning (ML), Internet of Things (IoT) og cybersikkerhed.

Sektionsleder: Mehdi Savaghebi.

Forskningsområde

Vi fokuserer på konvergensen af energiteknologi og datalogi, især inden for kunstig intelligens (AI), machine learning (ML), Internet of Things (IoT) og cybersikkerhed. Denne tilgang lægger vægt på bæredygtighed og miljøhensyn, og den er målrettet mod grøn omstilling og sikring af den høje sikkerhed af kritiske infrastrukturer. AI og ML optimerer energitransmission, -lagring og -forbrug, mens IoT forbedrer integrationen gennem realtidsovervågning, og cybersikkerhed sikrer systemintegritet.

Vores forskning omfatter drift, styring og vedligeholdelsesplanlægning af energisystemer, integration af vedvarende energiressourcer og anvendelse af effektelektronik-konvertere i elnet. Derudover udforsker vi teknologiske anvendelser af AI, ML, IoT og cybersikkerhed. Vi lægger også vægt på brugererfaring inden for sundhedsvæsen og pædagogik i softwareuddannelse. Vi inddrager de nyeste didaktiske og pædagogiske metoder i vores undervisning.

Teknologiimplementering

Vi brænder for at levere verdensførende forskning og skabe en betydelig indvirkning på samfundet. Målet er at være på forkant gennem samarbejdet mellem universiteter og industri inden for energiteknologi og datalogi. Vores mission er at bringe nye teknologier til samfundet ved at lægge særlig vægt på implementeringsprocesserne inden for banebrydende forskning, undervisning i verdensklasse og et løbende industrielt samarbejde.

Vi fokuserer på at imødekomme behovene og udfordringerne ved implementering og drift inden for den industrielle sektor, med fokus på højteknologiske parathedsniveauer (TRL'er) i vores forskning og ved at bidrage til uddannelsen af talentfulde ingeniører til at gøre en forskel inden for energiteknologi, elektronik og datalogi.

Forskningsområder og applikationer

  • Integration af vedvarende energi i smarte energisystemer
  • Effektelektronik i elnet
  • Vedligeholdelsesplanlægning og asset management i kritiske infrastrukturer
  • AI og maskinlæringsapplikationer
  • IoT og embedded systems
  • Optimering og sikkerhed af digitale systemer og kommunikation
Gruppebillede
Foto: Thomas Hjort Jensen

Samarbejder

Vores primære uddannelses- og forskningssamarbejder er med SMV'er og større nationale og internationale virksomheder inden for følgende områder:

  • Operatører af el-distributions- og transmissionssystemer
  • Vedvarende energiindustri
  • SMV'er, der leverer elektrificeringsløsninger til fjerntliggende og landlige områder
  • Rådgiverbranchen inden for elforsyningssystemer og vedvarende energi
  • Virksomheder inden for drift, beskyttelse, automatisering, fejlsøgning og digitalisering af elforsyningssystemer
  • IT, kommunikation og elektronikvirksomheder
  • Landbrugssektoren
  • Sundhedssektoren og leverandører af sundhedsteknologi

Nøgleord

Discipliner

  • Energisystemer
  • Vedvarende energi
  • Effektelektronik
  • Kontrolsystemer
  • AI og Machine Learning
  • Cybersikkerhed og kommunikation
  • Softwareudvikling

Kompetencer

  • Styring af effektelektronik-konvertere i elnet og vedvarende energisystemer
  • Drift, styring og fejlsøgning i energisystemer
  • Simulering og eksperimentelle test af effektelektronik-konvertere, elektriske maskiner, IoT og kommunikationssystemer
  • Udforske samspillet mellem operationsforskning og maskinlæring for at adressere underliggende dataafhængigheder og datapunkter med støj
  • Udvikling af metoder til tidsseriemodellering og forudsigelse ved brug af Bayesianske tilgange
  • Udvikling af softwaresystemer og rammer, der tilbyder cybersikkerhed for borgere og organisationer

Partnere

Danfoss logo
DroneSystems Logo
Fjernvarme Fyn logo
Frederiksberg Forsyning Logo
Gate 21 logo
Hofor logo
Otto Mønsteds Fond logo
Thomas B. Thriges Fond logo
UFMA

Medarbejdere

Find kontaktinformation på medarbejdere tilknyttet sektionen.