Inzetten van de flexibiliteit van de elektriciteitsproductie in gebouwen en stadsverwarming ter ondersteuning van elektriciteitssystemen: een overzicht
Gepubliceerd in: Advances in Applied Energy, jaargang 22, 2026, pagina 100272
Benjamin Freischland, Chia-Ling Yang, Agnes Engelter, Christian Vossel, Florian Reissner, Florian Steinke, Stefan Niessen
In dit onderzoek wordt onderzocht hoe energiesystemen (P2H), zoals warmtepompen, gebruikmaken van thermische opslag en thermische inertie van gebouwen om te zorgen voor flexibiliteit in het elektriciteitsnet voor stads- en gedistribueerde verwarming. Met behulp van een systematisch literatuurselectieproces worden simulatietools, controlestrategieën en marktkaders onderzocht, naast casestudies uit de praktijk. Hoewel het kleinschalige en gesimuleerde P2H-potentieel al lang bewezen is, blijven er kritieke hiaten bestaan met betrekking tot schaalbare controlestrategieën, grootschalige veldvalidatie en sectoroverschrijdende planning.
Bekijk op de pagina van de uitgever
RL, verfijning van generalistisch robotbeleid onder inferentielatentie
Ingediend bij: 2026 Conference on Robot Learning (CoRL)
Brian Zhu¹, Momen Khalil¹, E.H. Harrison², Emanuele Poggi¹, Philipp Sebastian Schmitt¹, Bernd Kast¹, Philine Meister¹, Pranav Atreya², Qiyang Li², Finn Ferchau¹, Cesar Colmenero¹, Yash Shahapurkar¹, Gokul Narayan¹, Melayan¹ Ih Erdogan¹, Pier Mees, Kai M. Wurm¹, Georg von Wichert¹, Eugen Solowjow¹, Andrew Wagenmaker², Sergey Levine²
(¹ Siemens, ² UC Berkeley, ³ Microsoft, a4 ETH Zürich, ▼ Gelijke bijdrage)
Grote moderne robotpolissen, zoals modellen met vision language-action (VLA), hebben te maken met een hoge latentie van gevolgtrekkingen. Deze vertraging verandert de dynamiek van de omgeving en is in strijd met de Markov-aanname, waardoor standaardalgoritmen voor versterkend leren (RL) falen. Om dit op te lossen introduceren de auteurs asynchrone RL met intermediaire informatie (ARLI), een raamwerk dat zich bewust is van latentie dat een effectieve verfijning van RL mogelijk maakt, ondanks vertragingen in de uitvoering. ARLI herstelt de bijna-Markoviaanse structuur met behulp van staatsuitbreidingen waarin geëngageerde acties en observaties halverwege de gevolgtrekkingen zijn opgenomen. Voor zowel gesimuleerde taken als in de praktijk maakt ARLI succesvolle RL mogelijk bij latentie wanneer standaardmethoden falen, zelfs als de ideale prestaties zonder latentie worden geëvenaard of zelfs overtroffen.
Bekijk op de pagina van de uitgever
Co-optimalisatie van omvormerbesturingen en lijnbeveiligingsfuncties voor verbeterde beveiliging, betrouwbaarheid en systeemstabiliteit
Gepubliceerd in: Algemene vergadering van de IEEE Power & Energy Society (PESGM) 2025
S. Bhela, S. Gumussoy, U. Muenz (Siemens Foundational Technology, Princeton, NJ, VS), D.J. Kelly, M.J. Reno (Sandia National Laboratories, Albuquerque, NM, VS)
De bescherming van moderne energiesystemen is afhankelijk van synchrone generatordynamica, die in toenemende mate wordt vervangen door netvolgende en netvormende (GFM) op omvormers gebaseerde bronnen (IBR's). Omdat IBR's een sterk verschillende foutdynamiek vertonen, kunnen bestaande beveiligingssystemen ontoereikend worden. Dit artikel presenteert een raamwerk dat gebruik maakt van Bayesiaanse optimalisatie en EMT-simulatie om de GFM-storingsfuncties en lijnbeveiliging samen te optimaliseren, wat aantoont dat de beveiliging, betrouwbaarheid en stabiliteit is verbeterd op een 100% IBR-testnetwerk.
Bekijk op de pagina van de uitgever
Functies voor soepele afstanden voor directe, optimale bediening van systemen die veel contact hebben
Gepubliceerd in: 23e Europese controleconferentie (ECC) 2025
Christian Dietz, Sebastian Albrecht, Armin Nurkanovic, Moritz Diehl
Standaardafstandsfuncties zoals de Euclidische SDF zijn niet differentieerbaar voor niet-gladde, starre lichamen zoals polytopen. In dit artikel wordt een afvlakkingsmethode voorgesteld voor een groeiafstandsfunctie van polytoop, gemodelleerd als een parametrisch lineair programma. Door de optimaliteitsomstandigheden te verstoren, bewijzen de auteurs dat de resulterende soepele SDF goed gedefinieerd is. In tegenstelling tot eerdere benaderingen waarbij exacte SDF-optimaliteitsomstandigheden rechtstreeks in een optimaal controleprobleem (OCP) worden geïntegreerd, maakt afvlakking externe evaluatie mogelijk. Dit verkleint de OCP-omvang en verdeelt de rekeninspanning gelijkmatiger over functie-evaluaties en oplossers. De methode is geëvalueerd via een CasADI-implementatie op een planaire peg-in-hole-taak en toont verbeterde optimalisatieprestaties aan.
Bekijk op de pagina van de uitgever
Meerlaagse transformator voor het uitwisselen van functies voor het inschatten van de positie van 6D-objecten in meerdere weergaven bij het verzamelen van robotbakken
Gepubliceerd in: 2025 IEEE International Conference on Robotics and Automation (ICRA)
Momen Khalil; Vincent Dietrich; Slobodan Ilic
Een nauwkeurige schatting van de positie van een 6D-object is essentieel voor het met een robot oppakken van vuilnisbakken waarbij textuurloze, reflecterende of verborgen voorwerpen worden gebruikt. Hoewel methoden met meerdere weergaven beter presteren dan benaderingen met één weergave, zijn de huidige technieken gebaseerd op fusie in een laat stadium, waarbij volledige synergie met meerdere weergaven ontbreekt. Dit artikel introduceert een Feature Exchange Transformer (FET) die een fusie van functies in een vroeg stadium mogelijk maakt met behulp van zelfaandacht en epipolaire kruisaandacht. Een strategie van grove tot fijne kwaliteit optimaliseert de aggregatie van meerlaagse functies tussen weergaven verder. De methode, die bovenop EpisurFEMB is gebouwd, verbetert de nauwkeurigheid en robuustheid aanzienlijk in complexe bin-picking-scenario's, en presteert beter dan de huidige geavanceerde multi-view-methoden op de ROBI-dataset.
Bekijk op de pagina van de uitgever
