A I
DYNAMO
63
12
20
REGN LYDEN UD
21
Renseanlæg Lynetten i Københavns Havn er Danmarks største rensningsanlæg.
Je sp e r S p an gsm ark
DTU har med støtte fra Uddannelses- og Forsknings ministeriet produceret Danmarks første interaktive undervisningsmateriale om kunstig intelligens til gymnasiet. Gennem videointroduktioner, eksempler og øvelser giver regnlydenud.dtu.dk både en grundig indføring i, hvordan kunstig intelligens fungerer, og er en mulighed for selv at prøve at bygge et neuralt netværk. Materialet er baseret på DTU’s arbejde med kunstig intelligens til citizen science-projektet Lyden af Danmark. Læ s m e re p å re gnlydenud.dtu.dk.
BILLIGERE SPILDEVANDSRENSNING MED AI Smartere styring af spildevandsrensning kan skære 10-20 pct. af rensningsanlæggenes driftsomkostninger. H a n n e Ko k keg a a rd
INTELLIGENTE TRANSPORTSYSTEMER C h ristin a Tæ kker
Bax Lindhardt
DTU Machine Learning for Smart Mobility kombinerer avancerede teknikker fra maskinlæring og transportforskning til at udvikle værktøjer, der kan understøtte den nye generation af intelligente transportsystemer. Systemerne er kendetegnet ved, at de kan deles og er forudsigelige, selvdrevne, selvstyrede og miljøbevidste. Konkret arbejder forskerne bl.a. med at udvikle modeller for transportselskabet Movia til at forudsige, hvornår bussen kommer, de udarbejder forudsigelser af effekten af autonome køretøjer i Boston og Singapore, og de udvikler modeller, der kan forudsige efterspørgsel af deling af cykler og biler i forhold til den offentlige transport. F rancisco C am ara Pereira, professor, DTU Management, cam ara@d tu .d k
Biofo s A / S / H viid p h oto g ra phy
Rensningsanlæg fjerner næringsstoffer, lugt og materiale fra spilde vandet, før det ledes ud i vandmiljøet. Undervejs i anlægget tilfører man luft til store tanke med spildevand, så bakteriekulturerne kan forbruge kvælstof-, kulstof- og fosforforbindelser. Processen kaldes for beluftning og udgør 45-75 pct. af anlæggenes strømforbrug, og derfor er der meget at hente ved at styre processen ud fra, hvornår elprisen er lav og baseret på vedvarende energi. Det er netop vist i et demonstrationsprojekt, hvor Peter Stentoft som en del af sin erhvervs-ph.d. hos Krüger A/S og Veolia Water Technologies og CITIES-projektet på DTU har udviklet det prisbaserede styringsredskab Smart-Energy Operating-System (SE-OS). Det er en AI-model, der kombinerer data, som er opsamlet gennem talrige sensorer i rensningsanlægget, med statistiske metoder og procesviden og automatisk tilpasser sig forholdene. ”Vi har set i simuleringer, at i forhold til hvordan man styrer i øjeblikket, så kan man spare 10-20 pct. på driftsomkostningerne ved at styre smartere,” siger Peter Stentoft. H en rik M a d s en , p rofes s o r, DTU Co mp u t e, h ma d @ d t u . d k D et t e er et u d d ra g . A rt ik l en ka n l æ s es i f u l d l æ n g de p å w w w . d t u . d k / a i .
