Neueste Projekte

Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2023-11-01 - 2025-10-31

Eine Abschätzung von energiewirtschaftlichen Erzeugungsverlusten durch Restwasserabgaben wurde zuletzt vor rund 20 Jahren vorgenommen. In dieser Studie basierte die Abschätzung jedoch auf stark vereinfachten Annahmen, im Speziellen bei der Hydrologie und bei der Kleinwasserkraft. Die verbesserte Verfügbarkeit von Daten, sowie Erkenntnisse aus bereits umgesetzten Maßnahmen sollen nun helfen, eine genauere Abschätzung der Erzeugungsverluste zu quantifizieren. Dabei sollen die Analysen nicht nur die Zahlen der ersten Studie aktualisieren, sondern auch Auswirkungen von stufenweisen Erhöhungen der Restwasserabgaben bis zur vollständigen Umsetzung der WRRL eruieren.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2023-11-15 - 2025-03-14

Eine der wichtigen Aufgaben der Austrian Power Grid AG (APG) ist die mittelfristige Prognose der Energieproduktion aus Wasserkraftanlagen um entsprechend die Verfüg-barkeit und Auslastung des österreichischen Stromnetzes koordinieren und planen zu können. Zielsetzung des geplanten Projektes ist eine Verbesserung der mittelfristigen Prognose (24, 48 und 72h) für die „mittleren“ Kleinwasseranlagen zu erreichen. Ein erster Fokus wird auf die Modellregion Salzburg gelegt, hier ist die Datenlage zur Entwicklung und Umsetzung von KI-Prognoseverfahren sehr gut. Diese erste Machbarkeitsstudie wird sich in mehrere Phasen untergliedert: In Absprache mit dem Auftraggeber, werden zunächst zwei KI-Verfahren (XGBoost, und Long-Short-Term-Memory (LSTM) Modelle) mit den VTW‘s als alleinige Eingangsgrößen für die Standorte der KWKW-Anlagen getestet und optimiert. In weiteren Schritten werden statische Einzugsgebietscharakteristika (Topographie, Boden, Geologie, Klima, Vegetation) als zusätzlich Informationen in die Verfahren integriert. Anschließend erfolgt die Berücksichtigung von externen Treiben wie z.B. der Niederschlag und Wetterprognosen der ZAMG/GeoSphere oder die modellgestützten Abschätzungen des sogenannten Schnee-Wasser-Äquivalentes der vorliegenden Schnee¬decke.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2023-12-01 - 2024-11-30

Zielsetzung des Projektes ist eine verbesserte Methodik zur teil-automatisierte Altersstrukturbewertung des BQE Fische in Fließgewässern gemäß Leitfaden A1 auf Basis von Befischungen in Fließgewässern und von Machine Learning – Verfahren zu entwickeln. Zur Bewertung des fischökologischen Zustandes liegen derzeit österreichweit Datensätze von mehr als 4.000 Untersuchungen aus dem „nationalen Gewässerzustandsmonitoring“ und noch weitere Daten aus Projekten, die nutzbar gemacht werden können. Ein Kernstück der Bewertung, die ansonsten automatisiert abläuft, ist die „Beurteilung der Längenfrequenzdiagramme“ (= Bewertung der Altersstruktur), die auf Basis einer Experteneinschätzung durchgeführt werden muss und somit auch eine Schwachstelle darstellt. Erfahrene Kollegen haben versucht, diesen Schritt zu automatisieren, waren bis dato aber nur in Teilbereichen erfolgreich. Im Rahmen des Projektes sollen nun Verfahren aus dem Machine Learning (ML) Bereich, wie z.B. „XGBoost“ oder „Random Forests“ genutzt und adaptiert werden, um eine Beurteilung der Längen¬frequenz¬diagramme auf Basis in einem Abschnitt gefangener und vermessener Fische durchzuführen. Im Detail wird die Verteilung der Längen einzelner Fischarten genutzt und in Abhängigkeit von geographischen bzw. biozönotischen Regionen beurteilt. Darüber hinaus sind die "Leitbilder" und "adaptierten Leitbilder" sowie Gewässerbettbreite, Wasserführung, Temperatur, Jahreszeit, artspezifisches Laichverhalten, etc. theoretisch mit berücksichtigbar. Im Rahmen des Projektes sind generell folgende Forschungs- und Arbeitspakete geplant: i) die Zusammenstellung der verfügbaren Daten von Seiten des BML und Vorbereitung der Daten (Pre-Processing der Daten, wie z.B. Test auf Vollständigkeit, Umsetzung der Häufigkeitsverteilung in ML lesbare Form, Standardisierung der Daten), ii) Aufsetzen der MLSysteme in Abhängigkeit von der Datenstruktur, Training und Validierung der Verfahren, iii) Erstellung einer Synthese und Definition einer möglichen weiteren Vorgehensweise für den Zeitraum nach Projektende 2024/25 sowie der Präsentation der Ergebnisse. Im Idealfall kann ein KI-Modul in die neu entstehende Auswertungssoftware (IGF & UBA) integriert werden. Dieses soll bei der Beurteilung der Längenfrequenzdiagramme unterstützen.

Betreute Hochschulschriften