PEAK
Pilot Energiebesparing door een AI Komkommerkassysteem
Publieke samenvatting / Public summary
Aanleiding
De land- en tuinbouwsector draagt significant bij aan klimaatverandering en is grootafnemer van energie, vooral van aardgas. In dit DEI pilotproject beogen de projectpartners om meer energie te besparen tijdens het productieproces van kasgroenten, door een optimale verhouding tussen de productie en het energieverbruik ('resource use efficiency') te bepalen en kennis te digitaliseren en bundelen ter ondersteuning van teeltadvies. Om een optimale verhouding tussen energieverbruik en productie te bereiken, dienen tijdens verschillende momenten in de teelt verschillende beslissingen objectief te kunnen worden gemaakt. Er is daarin een mogelijkheid in het ontwikkelen van een zelflerende (uiteindelijk zelfsturende) kas, die op basis van de verschillende kassystemen, beschikbare data en vereiste output (volume, kwaliteit) autonoom kan bepalen wanneer welke beslissingen moeten worden genomen en welke setpoints moeten worden bijgesteld om met minimaal energieverbruik tot een optimale productie te komen.
Doelstelling
Doel van dit project Pilot Energiebesparing door een AI Komkommerkassysteem [PEAK] is daarmee het genereren van conceptueel bewijs (proof-of-concept) dat de beoogde nieuwe intelligente kasaansturing tot operationele energiebesparing per eenheidproduct in een komkommerkas leidt.
Korte omschrijving
Binnen dit project wordt een pilotinstallatie van de intelligente zelflerende kas ontwikkeld en getest onder reële omstandigheden, waarmee wordt onderzocht of een demonstratie op ware grootte en in de praktijk mogelijk moet zijn.
Resultaat
De beoogde resultaten van dit pilotproject zijn: - Een aggregatiemodule voor een gewasgroeimodel dat gebruik maakt van historische en live kasdata. - Een machine learning model als basis voor een systeem voor het zelflerend genereren van optimale setpoints voor de systeemcomponenten in een kas. - Praktijkexperimenten met deze prototypen, waarmee de zelflerende aansturing kan worden getest en waarmee KPI's in de doelstelling worden onderbouwd.
De land- en tuinbouwsector draagt significant bij aan klimaatverandering en is grootafnemer van energie, vooral van aardgas. In dit DEI pilotproject beogen de projectpartners om meer energie te besparen tijdens het productieproces van kasgroenten, door een optimale verhouding tussen de productie en het energieverbruik ('resource use efficiency') te bepalen en kennis te digitaliseren en bundelen ter ondersteuning van teeltadvies. Om een optimale verhouding tussen energieverbruik en productie te bereiken, dienen tijdens verschillende momenten in de teelt verschillende beslissingen objectief te kunnen worden gemaakt. Er is daarin een mogelijkheid in het ontwikkelen van een zelflerende (uiteindelijk zelfsturende) kas, die op basis van de verschillende kassystemen, beschikbare data en vereiste output (volume, kwaliteit) autonoom kan bepalen wanneer welke beslissingen moeten worden genomen en welke setpoints moeten worden bijgesteld om met minimaal energieverbruik tot een optimale productie te komen.
Doelstelling
Doel van dit project Pilot Energiebesparing door een AI Komkommerkassysteem [PEAK] is daarmee het genereren van conceptueel bewijs (proof-of-concept) dat de beoogde nieuwe intelligente kasaansturing tot operationele energiebesparing per eenheidproduct in een komkommerkas leidt.
Korte omschrijving
Binnen dit project wordt een pilotinstallatie van de intelligente zelflerende kas ontwikkeld en getest onder reële omstandigheden, waarmee wordt onderzocht of een demonstratie op ware grootte en in de praktijk mogelijk moet zijn.
Resultaat
De beoogde resultaten van dit pilotproject zijn: - Een aggregatiemodule voor een gewasgroeimodel dat gebruik maakt van historische en live kasdata. - Een machine learning model als basis voor een systeem voor het zelflerend genereren van optimale setpoints voor de systeemcomponenten in een kas. - Praktijkexperimenten met deze prototypen, waarmee de zelflerende aansturing kan worden getest en waarmee KPI's in de doelstelling worden onderbouwd.