2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

Portefølje Naturvitenskap og teknologi ikon

Forskningssystemet

Portefølje Humaniora og samfunnsvitenskap ikon

Banebrytende forskning

Portefølje Samisk ikon

Samisk samfunn og kultur

Portefølje Demokrati, styring og fornyelse ikon

Demokrati og global utvikling

Portefølje Velferd, kultur og samfunn ikon

Velferd og utdanning

Portefølje Helse ikon

Helse

Portefølje Klima- og polarforskning ikon

Klima og miljø

Portefølje Landbasert mat, miljø og bioressurser ikon

Mat og bioressurser

Portefølje Energi, transport og lavutslipp ikon

Energi og transport

Portefølje Muliggjørende teknologier ikon

Muliggjørende teknologier

Portefølje Industri og tjenestenæringer ikon

Innovasjon

LTP2 Klima, miljø og miljøvennlig energi ikon

Klima, miljø og energi

LTP2 Samfunnssikkerhet og samhørighet ikon

Samfunnstryggleik og beredskap

LTP2 Fornyelse i offentlig sektor ikon

Velferdstjenester

Forsidebilde

Marin ikon

Petroleum og mineraler

LTP Hav ikon

Hav og kyst

LTP2 Muliggjørende og industrielle teknologier ikon

Mogleggjerande industrielle teknologiar

Tillit og fellesskap

LTP2 Utvikle fagmiljøer av fremragende kvalitet

Høg kvalitet og tilgjengeleg

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

Sterkare konkurransekraft og innovasjonsevne

LTP3 Helse

Et innovativt næringsliv ikon

Styrket konkurransekraft og innovasjonsevne

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

Forsidebilde optimalisert

project-bank-technical

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Statistikk

Prosjektbanken presenterer statistikk og informasjon om prosjekter med finansiering fra Forskningsrådet fra 2004. Statistikken er fordelt på blant annet tema, år, geografi og organisasjon. Prosjektbanken gir også detaljert informasjon om de enkelte prosjektene.

...eller se sammendrag og annen informasjon om prosjektene i utvalget ditt

Alle porteføljestyrer

En god beskrivelse av denne siden for søkemotoroptimalisering

Forside

Hvordan tildelingene fordeler seg på institusjoner, fylker, fagområder o.l....

Her er noen eksempler på søk du kan gjøre i Prosjektbanken

Alle langtidsplanmål

Veiledning: Hvordan bruke Prosjektbanken.no

Om Fritekstsøk

Ingen populærvitenskapelig framstilling tilgjengelig


Prosjektet med prosjektnummer {{project number}} ble ikke funnet

Teknisk beskrivelse

Oisann, her gikk noe galt. Kan du prøve å laste siden på nytt?  Dersom feilen vedvarer, vennligst kontakt oss.         

Se statistikk relatert til dette langtidsplanmålet

Se prosjekter relatert til dette langtidsplanmålet

knyttet til dette LTP-målet har blitt tildelt penger

har blitt tildelt til prosjekter knyttet til dette LTP-målet

har blitt tildelt til prosjekter knyttet til denne porteføljen

knyttet til denne porteføljen har blitt tildelt penger

Om Prosjektbanken

Finansinntekter

Ukjent

Landbruks- og fiskerifag

Akershus

Instituttsektor

Programmer

Frittstående prosjekter

Internasjonale nettverkstiltak

Nettverkstiltak

Infrastruktur og institusjonelle tiltak

Forvaltning

Diverse FoU-relaterte aktiviteter

Felleskostnader

Koordinerings- og støtteaktivitet

Prosjektet CO2SafeQuest har som mål å forbedre risikovurderingen av CO2-lagringsprosjekter, noe som gjør det mulig å akselerere og sikre oppskalering av CCS-prosjekter. Arbeidsflytene og verktøyene i dette prosjektet vil hjelpe industrien med å vurdere CO2-lagring og etablere trygge injeksjonsforhold. Usikkerheter er knyttet til forståelse av forkastninger og takbergarten og hvordan de forsegler over tid. For å forhindre lekkasjeproblemer i fremtiden og sikre trygg lagring, er det derfor viktig å forstå forkastningsgeometrien og egenskapene i undergrunnen. Det er nødvendig å bygge bro mellom forskjellige skalaer av studier fra eksperimenter til feltanaloger og seismikk og til slutt reservoarskala. Dette tverrfaglige og innovative prosjektet samler eksperter fra akademia, forskningsinstitutter og industri for å utvikle nye datasett, forbedre de nåværende hydromekaniske modellene, identifisere usikkerhetene og vurdere risikoene. Derfor vil prosjektet bidra til å redusere risikoen ved CO2-lagring og åpne nye potensielle lagringsmuligheter, og til slutt bane vei for utviklingen av CO2-lagring i megatonskala innen midten av 2030.

CO2SafeQuest project aims at providing the workflows and the characterization and simulation tools needed to
enhance fault behavior and risk assessment in CO2 storage evaluation, allowing to target more complex reservoir
and so, accelerate and secure CCS projects scale-up. These workflows and tools will help industry to enhance the
CO2 storage evaluation and operation design.
To reach the overall objectives of the project, it is needed to set a bridge between the gap between different scales
of fault study by providing suitable data and statistical correlations, and identify suitable hydromechanical models
for faults at industrial CCS scale. This, to assess impact of uncertainties and quantify phenomenological impacts
and leakage risk at reservoir scale, provide guidelines on fault modeling in an industrial CCS context and on how to
calibrate model parameters based on geophysical measurements, laboratory data and analogue outcrop data.
This project targets the CO2 storage part of the Call Module CM2023-04 on Carbon capture, utilization and storage
(CCUS). Unravelling faults properties and behavior in CO2 geological storage is mandatory to “faster scale up of
CCS technologies and at lower risk” and “minimizing or avoiding adverse impact on human health and the
environment of CO2 storage”, this will be done in this project through the development of innovative integrated
workflows addressing the long term confinement of CO2 in faulted sandstone porous media. This project, through
enhancing the CO2 storage derisking and opening new potential storage prospects, will participate to pave the way
for the development of megaton scale CO2 storage by mid 2030.

CETP - Unravelling Faults properties and behavior for CO2 geological storage

MYCOBUILD har som mål å lage miljøvennlige byggematerialer med forbedrede termiske egenskaper. Vi vil kun bruke bio-baserte materialer i våre komposittmaterialer. Disse vil inneholde mycelium (den rotlignende delen av sopp), fibre produsert fra tre, og bio-baserte faseovergangsmaterialer (bioPCMr). BioPCM kan lagre energi i form av varme ved å ta opp energi når det er varmt, og frigjøre varmen når det blir kaldere. Vi ønsker å forbedre varmelagring samtidig som vi opprettholder materialstyrke, holdbarhet og lydisolasjon. Vi vil også benytte en digitale verktøy, livssyklusanalyse (LCA) for bærekraft, sirkularitet og sikkerhet, samt analyse av sosioøkonomiske effekter og interessentengasjement.

MYCOBUILD, an innovative bio-based project, targets transforming the construction sector with sustainable materials offering thermal energy storage. It aligns with Europe's 2050 climate-neutral goals, focusing on bio-based, multifunctional materials for an eco-friendly market impact. MYCOBUILD's core is bio-based phase change materials (bioPCMs) in lignocellulosic fibres,
using fungal mycelia to create superior thermal property bio-composites. It progresses from conceptual proof (TRL3) to industrial demonstration (TRL6), meeting CETPartnership's 2023-06 “Heating and Cooling Technologies” call. The project leverages lignocellulosic structures as bioPCM storage for energy-efficient building products. Aiming to enhance thermal storage while maintaining material strength, durability, and sound insulation, the project spans from product development to construction models in key technologies (TRL6). Objectives include benchmarking, optimizing bioPCM integration, producing fungal bio-binders, demonstrating wallboard materials, and evaluating energy-saving constructions in various European countries. It also involves a digital integration approach, ex-ante life cycle assessment for sustainability, circularity, and safety, alongside socio-economic impact analysis and stakeholder engagement

Innovative bio-based building materials with thermal energy storage function

A predictive biomarker for Antibody Drug Conjugates in lung cancer

EU har som mål å lagre 50 millioner tonn CO2 årlig innen 2030 og 280 millioner tonn innen 2040, som blir avgjørende for å oppnå klimanøytralitet innen 2050. For å nå disse målene er oppskalering til gigatonnskala CO2-lagring avgjørende, noe som krever en klyngetilnærming der flere utslippere deler transport- og lagringsinfrastruktur.

CO2-lagringsklynger sentraliserer prosjekter rundt knutepunkter som maksimerer CO2-injeksjon i regionale akviferer identifisert som egnet for storskalalagring. Eksempler inkluderer Hordaplattformen i Norge og Bunter Sandstone i Storbritannia, sammen med Mexicogolfen i USA. Selv om denne tilnærmingen er økonomisk lovende, utgjør den en risiko. Operasjoner i ett lagringsprosjekt kan påvirke naboprosjekter, og potensielt føre til økt poretrykk og seismisk aktivitet, som kan skape lekkasjeveier for CO2.

Hvis risikoen ikke håndteres, kan løsninger som å redusere injeksjonsrater eller etablere nye prosjekter bli kostbare og undergrave tilliten til fremtidig CO2-lagringsinitiativer. Derfor er tidlige risikovurderinger avgjørende for å identifisere potensielle lagringsknutepunkter og unngå problematiske områder. Gitt at utviklingen av et enkelt prosjekt tar 8 til 10 år, er raske innovasjoner for lokalisering av lavrisikosteder avgjørende.

MuPSI-initiativet tar sikte på å møte disse utfordringene ved å tilby en integrert tilnærming for å vurdere geomekaniske risikoer i ulike skalaer. Den vil utvikle brukervennlige programvarer med simuleringsmodeller og arbeidsflyter validert på data fra virkelige felt. Disse programvarene vil gjøre det mulig for operatører og ansvarlige myndigheter å evaluere interaksjoner i lagringsknutepunkter, og sikre nødvendig oppskalering av CCS for å oppfylle EUs mål og bidra til globale utslippsreduksjoner. Prosjektet fokuserer på å forbedre modeller og strategier, lette kunnskapsoverføring og engasjere interessenter for å støtte fremtidige storskala lagringsområder.

Når flere CO2-lagringsprosjekter er lokalisert innenfor samme hydrologiske enhet, kan beslutningene på et felt påvirke både driften og risikoen på et annet felt. Dette skaper et behov for effektiv arbeidsflyt og verktøy for operatører og ansvarlig myndighet for å håndtere risikoene og samtidig ivareta konfidensielle data. En primær bekymring er den potensielle økningen i trykk som påvirker integriteten til takbergarten, og kan i verste fall føre til lekkasjer eller seismiske hendelser. MuPSI-prosjektet har som mål å kvantifisere disse risikoene ved å utvikle avanserte verktøy som analyserer trykkdynamikken og strekkreftene på tvers av flere skalaer og mellom ulike geomekaniske prosesser, og usikkerheter på tvers av disse skalaene.

Forskningen fokuserer på å forbedre teknikker og simuleringsstrategier for å inkorporere regionale effekter i arbeidsflyter for risikohåndtering, og forenkle oppskalering av CO2-lagring til gigatonn-nivåer. Dette innebærer å lage bedre modeller i hver skala og effektive metoder for å overføre relevante data på tvers av skalaer.

For å oppnå dette vil MuPSI tilby enkle simuleringsverktøy for screening av regionale akviferer, detaljert risikovurdering av spesifikke feil, og evaluering av prosjektspesifikke geomekaniske påvirkninger av trykkinterferens mellom flere prosjekter i en akvifer. Initiativet vil takle systemiske utfordringer ved å fremme integrerte arbeidsflyter som leder analyser fra en skala til en annen og ved å utvikle robuste programvareløsninger for sikker dataoverføring.  Resultater blir demonstrerte på datasett fra felt i Nordsjøen.

Norske partneres rolle i prosjektet inkluderer prosjektledelse, forskning og utdanning. Prosjektdeltagere representere både FoU og næringslivet som skal samarbeide på utvikling, implementering og testing av nye åpen-kildekode programvarer for geomekaniske prosesser på tvers av skalaene, ekperimenter for karakterisering av forkastninger, og simuleringsstudie på modellen av Hordaplattformen.

CETP - Multiscale Pressure-Stress Impacts on Fault Integrity for Multi-site Regional CO2 Storage

La-Flex-prosjektet skal videreutvikle latent termisk energilagring (LTES) for å gjøre varme- og kjølesystemer mer energifleksible. Energifleksibilitet er energisystemets evne til å ta imot og levere energi når det produseres og forbrukes. Fossile brennstoff og vannkraft er fleksible energikilder, fordi de kan produsere energi når det er energibehov. Sol- og vindkraft er derimot ikke fleksible energikilder. Når verden går bort fra fossile brennstoff til sol- og vindkraft mister vi denne energifleksibiliteten, og det vil være et økende behov for energilagring. Termisk energilager er viktig fordi termisk energiforbruk utgjør 50% av det globale energiforbruket. LTES er basert på faseendringsmaterialer (PCM) som lagrer energi i en faseovergang, og kan lagre varme eller kulde med høy energitetthet og i et smalt temperaturspenn. Denne teknologien kan brukes til å lagre kulde i industrielle fryseprosesser, varme til oppvarming av kontorbygg, eller lagring og utnyttelse av overskuddsvarme i datasentre.

La-Flex sitt hovedmål er å gjøre forbedre overvåkning og styring av LTES. Dette for å kunne utnytte fleksibiliteten, og for å kunne operere i reservemarkeder. Dette skal gjøres ved å utvikle sanntidsmåling av ladetilstand og presis termisk effektkontroll, noe som vil gjøre LTES lettere å integrere i styringssystemer for optimal energihåndtering.

Prosjektet ledes av SINTEF Energi og samler forsknings- og industripartnere fra Norge, Danmark og Tyskland, inkludert Danmarks Tekniske Universitet (DTU), Tekniske Høyskole i Würzburg-Schweinfurt (THWS), samt Cartesian, AInergy og KLP Eiendom. Prosjektets avanserte SoC- og TPC-funksjoner vil legge til rette for LTES i kraftfleksibilitets- og reservemarkeder, forbedre systemytelsen og fremme nettstabilitet i møte med variabel energiforsyning fra fornybare kilder.

Heating and cooling constitute about 50% of the global energy consumption, and with the increasing reliance on solar and wind electricity via heat pumps, the demand for effective energy storage solutions has become imperative. Latent Thermal Energy Storage (LTES) with Phase Change Materials (PCM) can serve as an asset for flexible heating & cooling supply for buildings as well as for industry.2 State-of-charge (SoC) detection, i.e., a determination of the remaining capacity available in a thermal energy storage, is crucial for optimized storage operation schedulers and allow a precise thermal power control (TPC). Thus, the integration of instant and reliable technique for determining the SoC and a precise TPC in a model predictive control (MPC) system would pave the way for optimal operation of grids coupling different energy sectors –including power-to-heat and waste heat utilization from industry. La-Flex's main objective is to optimize 
LTES by enhancing its controllability. Integrating instantaneous SoC and TPC in MPC systems, La-Flex will facilitate a flexible integration of LTES in power flexibility and reserve markets, tackling intermittent supply and electrified heating/cooling demands, appliable in all climate zones. La-Flex will be carried out by the Norwegian – Danish – German partnership formed by the research partners SINTEF Energy Research (SER), Technical University of Denmark (DTU), and the Technical University of Applied Sciences Würzburg-Schweinfurt (THWS); and the industry partners Cartesian (CAR), AInergy
(AIE) and Kommunal Landspensjonskasse Eiendom (KLP).

Flexible latent thermal storage for reserve markets access of heating and cooling systems

For å sikre at en geologisk formasjon er stabil, må vi justere temperatur-, belastnings- og akustikkdataene som er registrert i brønnmiljøet. Dette må gjøres for å ta hensyn til de kombinerte effektene av belastning og akustikk gjennom ulike materialer som formasjon, sement, foringsrørstål, væske og rør, samt injeksjonsoperasjonen. Denne komplekse oppførselen kan ikke fanges opp med enkeltpunktsmålinger som bunnhullstrykk og temperatur (BHP og BHT). En fiberoptisk kabel for å fange opp dette, kan være løsningen på utfordringen. Q-Fibre har som mål å demonstrere hvordan FOC-data kan brukes til å kvantifisere og overvåke integriteten ved CO2-lagring under grunnen. Dette kan redusere barrierene for å bruke FOC-data knyttet til brønner, både innenfor og utenfor foringsrøret, spesielt for CO2-lagringsprosjekter. Denne teknologidemonstrasjonen vil legge grunnlaget for en solid forretningsmodell for innsamling av FOC-data langs brønnen, og sikre at CO2-lagring blir sikker, økonomisk driveverdig ved å redusere driftskostnader og geologiske overraskelser.

The main motivation is to build extensive novel knowledge on fibre optic cable (FOC) data and to enable safe CO2 injection via quantitative characterization of subsurface integrity, covering coupled interaction among pressure, temperature and fluid movement. Our aim in Q-Fibre is to contribute to FOC data processing and interpretation with the link to the coupled thermo-hydro-mechanical behaviour between the various elements in the near-well configuration, and to quantitatively understand near-well formation behaviour for early warning of subsurface integrity. It involves feasibility of using FOC data for integrity assessment of an entire sealing system for CO2 storage, including: a) caprock and secondary seals; b) both onshore and offshore; c) observation and injection wells. Eventually, we will also reduce uncertainty for the limits of
integrity.

CETP - Quantitative Strain Monitoring for Well and Seal Integrity through Wellbore Fibre Optics Cables

I løpet av de siste tiårene har en rekke optimaliseringsmodeller blitt utviklet for å best mulig utnytte de begrensede ressursene i kraftsystemet. Med den raske utviklingen av maskinlæringsmetoder (ML) har integrering av ML med disse optimaliseringsmodellene dukket opp som en lovende trend. I motsetning til tradisjonelle optimaliseringsmetoder, som gjentatte ganger løser lignende problemer uten å lære av tidligere løsninger, utnytter ML historiske data og tidligere beslutninger for å forbedre optimaliseringsytelsen betydelig.

Dette prosjektet har som mål å utvikle kunnskap som muliggjør dyp integrasjon mellom ML-tilnærminger og det kortsiktige vannkraftproblemet for av-/på-beslutninger i et deregulert kraftsystem. Av-/på-problemet er grunnlaget for produksjonsplanlegging. Målet er å optimalisere driften av generatorer, primært vannkraftturbiner, over en begrenset planleggingshorisont under ulike drifts- og markedsforhold. Nye fornybare energikilder som sol- og vindkraft vil også bli vurdert når det er nødvendig.

Den ML-baserte optimaliseringsmodellen utviklet i dette prosjektet kan forbedre beregningseffektiviteten betydelig ved å generere daglige produksjonsplaner for norske vannkraftprodusenter, og gjøre dem mer effektive og tilpasningsdyktige til markedsforhold. Vellykket implementering av ML i optimaliseringsproblemet vil møte aktuelle utfordringer industripartnere står overfor, som å redusere tidsoppløsningen fra én time til 15 minutter, utvide modellens bruksområde fra et operativt verktøy til et investeringsanalyseverktøy over lengre tidshorisonter (uker til år), som effektivt tar hensyn til usikkerhet i tilsig og priser, og gir budstrategier for å delta i flere markeder.

Dette prosjektet synliggjør synergien mellom akademia og industri, både nasjonalt og internasjonalt. Omfattende casestudier utført under ulike markedsstrukturer vil føre til mer robuste løsninger og større spredning av kunnskap og erfaring.

During the past half-century, numerous optimization models have been developed to optimize the utilization of the limited resources in the power system. With the booming development in machine learning (ML) technologies, deep integration between ML approaches and optimization models has become the most promising technical trend. The conventional optimization methods repeatedly solve similar problems without accumulating any experience. In contrast, ML efficiently gains experience from historical data and previous decisions. Numerical studies have shown that ML can significantly boost optimization performance.

The renewable energy optimization addressed in this project is the unit commitment (UC) problem, constituting the foundation for production scheduling. It aims to optimize the operation of generators over a finite planning horizon under operational and market conditions. The generators are mostly hydro-turbine generators. New renewable energy, such as solar or wind power, will also be considered when necessary. 

The ambitious project aims to realize an ML-based optimization model that enhances the computational efficiency of generating daily production schedules for Norwegian hydropower producers, accurately represents their physical watercourse, and supports their bidding strategies in energy and capacity markets. The successful implementation of this project will address current challenges faced by industrial partners, such as reducing the time resolution from one hour to 15 minutes, extending the model’s application from an operational tool to an investment analysis tool over a longer time horizon (weeks to months or even years), and effectively incorporating uncertainties in inflow and prices. 

This project represents a domestic and international complementarity of both academia and industry. Comprehensive case studies conducted under different market structures will lead to more robust solutions and broader dissemination of knowledge and experience.

Deep integration between machine learning approaches and renewable energy optimization

In-flight icing of UAVs is a meteorological risk that endangers UAVs and prevents safe operations in cold weather. UAV icing is an emerging research field where Norway is a key stakeholder – both because due to the cold climate UAV operations are often affected by icing, and also because Norway is leading on the topic in research (e.g. NTNU UAV Icing Lab, Met.no, UiT), industry (e.g. UBIQ Aerospace, Maritime Robotics, Avinor, Kjeller Vindtekknik), and defense (e.g. FFI). The 2nd International UAV Icing Workshop has positioned itself as the key networking and dissemination event for the topic of atmospheric icing on UAVs.The 2nd International UAV Icing Workshop is innovative in its focused approach on the emerging and crucial field of UAV icing. Distinctive for its specialized subject matter, the event bridges gaps between advanced technological fields like nanotechnology, advanced materials, and ICT with practical UAV applications. 

This event aligns with several key enabling technologies, which play critical roles in solving the icing challenge for UAVs. First and foremost, autonomy and control topics from the area of ICT are inherently linked with drone technologies. This relates for example to the development of smart algorithms for ice detection, digital twins for icing simulations and risk assessment, AI systems for autopilots and more. Furthermore, the field has a strong component related to nano-technology for the development of novel and innovative ice protection systems (e.g. usage of nano-carbon fiber paint for ice protection systems. Last but not least the area of icephobic materials – materials which passively reduce icing hazards by modifying the surface structure, similar to the Lotus-effect with water – is a field of advanced materials and nanotechnology. As such, this event and the stakeholders participating in it are going to contribute substantially to drive forward and generate cross-sectioral knowledge and innovation in these areas.

2nd International Workshop on Icing of Uncrewed Aerial Vehicles

A digital research-based plant database - a new gold standard for the landscape industry

MaksGrid øker utnyttelsen av strømnettet med 25%

Det nye Pilot-E prosjektet MaksGrid skal teste ut løsninger som til sammen vil kunne øke utnyttelsen av strømnettet med 25%. Prosjektet skal teste tiltak som nettselskapene selv kan gjennomføre og kontrollere i påvente av bygging av nytt nett.

Manglende nettkapasitet er et økende problem, og er en reell barriere mot ønsket, grønn omstilling av det norske samfunnet.

I MaksGrid skal nettselskap, teknologiselskap og FoU-leverandører sammen utvikle og teste ut nye løsninger for koordinert automatisk systemstyring, dynamiske overføringsgrenser og risikobasert drift og planlegging, og evaluere sammenheng og samlet virkning av disse løsningene.

Selv om det bygges ny kapasitet, er det også nødvendig å optimalisere bruken av det eksisterende nettet både for å akselerere grønn omstilling og begrense kostnader. Digitalisering og annen ny teknologi gir muligheter for bedre sanntids data fra nettet, mer dynamikk i drift og driftsplanlegging, riktigere risikovurderinger og bedre kommunikasjon automatisering av ressurser i nettdriften.

Det unike i dette prosjektet kombinasjonen av tre ulike tiltak for å bidra til økt optimalisering av strømnettet. Vår hypotese er at det store potensialet for å øke utnyttelsen av nettet utløses først når tiltakene koordinert automatisk systemvern, dynamiske overføringsgrenser og risikobasert drift kombineres.

I tillegg til samfunnsnytten i prosjektet, vil MaksGrid-prosjektet unike karakter kunne spille en sentral rolle som en demonstrator av norsk teknologi for både nasjonal og internasjonal kommersialisering. I prosjektet blir teknologiløsningene testet og verifisert, som bidrar til å validere systemenes ytelse og pålitelighet i praksis. 

Prosjektet vil ikke bare styrke norske selskapers posisjon på det globale markedet, men også bidra til å fremme Norges omdømme som en ledende aktør innen grønn teknologi og bærekraftig energiforsyning.

Vi er midt i en grønn og digital omstilling, og for å kunne nå klimamålene er elektrifisering av forbruk og utbygging av mer fornybar kraftproduksjon nødvendig. Dette skal skje «nå», og mange nye aktører ønsker å knytte seg raskt til strømnettet. Manglende nettkapasitet er et økende problem, og en barriere mot ønsket, grønn omstilling. Bygging av nytt nett tar lengre tid enn nye nettkunder er villig til å vente, er kostbart, og forårsaker klimagassutslipp og uønskede naturinngrep. Det er derfor viktig at vi utnytter både den eksisterende nettkapasiteten, og den nye kapasiteten som skal bygges, så effektivt som mulig. Prosjektets hypotese er at innovative tiltak og løsninger i nettet i form av økt digitalisering, bedre styring, bedre analyser og innsikt i nettets tilstand, bedre forståelse av og overvåking av risiko, løsninger som kan redusere konsekvensen av feil, bedre ressursutnyttelse, koordinering mellom TSO og DSO, bedre planlegging og drift, samt at bedre samspill med stor industri og ny kraftproduksjon, kan øke kapasiteten i det eksisterende nettet med 25%, maksimal utnyttelse av nettet, derfor prosjektnavnet MaksGrid. Løsningene skal bidra til å frigjøre kapasitet til nytt forbruk og fornybar produksjon ved at kraftnettet utnyttes maksimalt, men uten at det går ut over forsyningssikkerheten og eksisterende nettkunder. Økt tilgjengelig kapasitet kan realiseres betydelig raskere sammenlignet med å bygge nytt nett. Det er tre sentrale forskningsutfordringer: (1) handler om å undersøke hvordan man øker nettets kapasitet og robusthet gjennom koordinert automatisk systemstyring. Hvordan kan man best koordinere ledig kapasitet mellom nettnivåene? (2) handler om å etablere og tilpasse modeller og metoder for analyse, planlegging og gjennomføring av tiltak ved hendelser i et nett som driftes basert på dynamiske lastgrenser. (3) omhandler etablering og tilpasning av hensiktsmessige metoder for beregning av risiko for ulike formål og på ulike nettnivå.

Maksimal utnyttelse av strømnettet

E!114129  MEWS - Et distribuert, skalerbart og kostnadseffektivt tidligvarslingssystem for bevegelser av jord- stein- og snømasser.

Midlene fra EUROSTARS-EUROSTARS fordelt på år

Midlene fra EUROSTARS-EUROSTARS fordelt på fylker

Midlene fra EUROSTARS-EUROSTARS fordelt på fagområde

Managing Director

We want to develop a scalable Mass movement Early Warning System (MEWS) for early detection of landslides, rockfalls and avalanches. It will collect large amounts of data from an array of field-deployed, wireless, low cost and self-powered IoT Devices, hosting many sensor types. The data will feed a cloud based system and use machine learning for fast processing and decision making. We will deliver a prototype of such a system to demonstrate its potential in the case of avalanche detection. We want to do this because mass movements, like landslides or avalanches, pose dramatic risks to individuals, populated areas, and critical transportation infrastructure. IoT technology provides the opportunity to develop an early warning system predicting the probability of an event with sufficient accuracy to help mitigate the consequences. Reducing risk reduces cost - both in terms of societal exposure, but also in material damages.

The Norwegian partners in this Eurostars project, are:

1) Spordata AS, a Norwegian SME that focuses on development of IoT technology and selling resulting products and services to the market.
2) NGI (Norwegian Geotechnical Institute) is Norway's leading geotechnical professional environment and an international center for research and consulting in engineering-related geosciences.

In the first reporting period (Q3/Q4-2020), Sportdata and NGI have collaborated in the consortium on defining the overall conceptual design of the system, and on establishing theme groups in the various subject areas and appointing leaders for these. Spordata has participated in two such thematic group meetings. In addition, Spordata has started the in-house development of the first version of the multisensor IoT unit as well as the in-house development of the LoRa gateway to be used in this project. NGI has started collecting and structuring historical data from the test location Ryggfonn / Fonnbu, and has carried out an internal assessment of relevant parameters / sensors for landslide warning systems, including field inspections at the installation.

In this reporting period, 2021, Spordata has developed 2 versions of the multisensor IoT device. 8 units were produced by the first version and were successful, but were completed so close that the second version, which is to be used in NGI's experimental field (Ryggfonn) in the upcoming winter, that mass data from this first version was not used by the consortium. Development of version 2 of the multisensor IoT unit, which was this year's main goal, has also been successfully completed and 15 units of these have been produced. Poles and fastening mechanics for these 15 for placement in the experimental field were also developed and produced. In collaboration with NGI, Spordata deployed these 15 complete multisensor IoT units in the Ryggfonn experimental field in September. An adapted first version LoRa Gateway was also internally developed during the period, which was also deployed in the experimental field for receiving and transmitting all the data generated by the 15 multisensor IoT devices. The system works and is expected to generate data continuously through the coming winter.

In this reporting period, 2022 and the last one, the 15 multisensor IoT devices was taken down again from NGI's experimental field (Ryggfonn) after the winter season - after they had delivered quite good data throughout the entire winter. Thus, the long life-time on small batteries and in sub-zero temperatures was proven successfully. During the summer Spordata upgraded the 15 multisensor IoT devices with some bug-fixes and new features. This fall the 15 units was once more installed back at Ryggfonn, by NGI and Spordata, and they are currently successfully and continuously delivering delivering data. NGI and the two international partners continue to work on the data analysis and the AI methods for snow-avalanche early-warning, also after this project officially now has ended in Norway.

We want to develop a scalable Mass movement Early Warning System (MEWS) for early detection of landslides, rockfalls and avalanches. It will collect large amounts of data from an array of field-deployed, wireless, low cost and self-powered IoT Devices, hosting many sensor types. The data will feed a cloud based system and use machine learning for fast processing and decision making. We will deliver a prototype of such a system to demonstrate its potential in the case of avalanche detection. We want to do this because mass movements, like landslides or avalanches, pose dramatic risks to individuals, populated areas, and critical transportation infrastructure. IoT technology provides the opportunity to develop an early warning system predicting the probability of an event with sufficient accuracy to help mitigate the consequences. Reducing risk reduces cost - both in terms of societal exposure, but also in material damages.

The Norwegian partners in this Eurostars project, for whom this application-form is for, are:

1) Spordata AS, a Norwegian SME that focuses on development of IoT technology and selling resulting products and services to the market.
2) NGI (Norwegian Geotechnical Institute) is Norway's leading geotechnical professional environment and an international center for research and consulting in engineering-related geosciences.
 
Spordata and NGI will have overall responsibility only for parts of the developments in the overall projects and consequently also only for parts of the primary and secondary objectives (in previous section).

0 antall prosjekter

NMR-NKJ-Nordisk Ministerråds bevilgning til NKJ 2001-2005

NKJ Utredning Planteforsk

Tildelt: kr 0,25 mill.

Prosjektperiode: 2005-2005

Sted: Akershus