Um Fernwärmesysteme mit Wärme aus verschiedenen erneuerbaren Quellen flexibel zu gestalten, sind große Erdbeckenwärmespeicher erforderlich. Verbesserte Effizienz, geringere Kosten und kürzere Realisierungszeiten werden die Marktakzeptanz dieser Speicher verbessern.
Das Projekt unterstützt die Analyse und Einführung des Smart Readiness Indikators (SRI) in Österreich anhand von Demonstrationsgebäuden und begleitet die österreichische Testphase wissenschaftlich.
Wie kann der gesamte Energiebedarf einer Brauerei, das heißt neben Strom und Warmwasser auch Dampf, erneuerbar und möglichst flexibel bezogen werden?
Im Projekt werden Technologien und Demonstratoren zur CO2-Emissionenreduktion und zur Schaffung von Wertstoffkreisläufen in vier europäischen Industriehubs entwickelt. AEE INTEC fokussiert sich dabei auf die Membrandestillation zur Wertstoffrückgewinnung aus Industrieabwässern.
Im Rahmen des ERA-Net SES Projekts „S-GeoHeat“ konzipiert AEE INTEC ein Niedertemperatur-Fernwärmenetz für die Städte Havza und Ladik in der Türkei durch die Einbindung von Geothermie und industrieller Abwärme.
Im Rahmen des Projekts "Fossil Phase Out" wird ein Leitfaden entwickelt, der Gemeinden, Städten und Regionen, insbesondere Klima- und Energiemodellregionen, Handlungsanweisungen für eine systematische Erweiterung und Dekarbonisierung der leitungsgebundenen Wärmeversorgung bietet.
Das Leitprojekt erprobt anhand von fünf großtechnischen, prototypischen Modelllösungen und konkreten Umsetzungen den Ausstieg aus der fossilen Energieversorgung für die Industrie.
Das übergeordnete Ziel des SUPPORT DHC Projekts ist die Unterstützung einer schnellen Umsetzung von erneuerbaren Energien (EE) und Abwärme für Fernwärme und -kälte (DHC) in Europa.
Im Rahmen des Branchenforschungsprojektes werden anhand von fünf Referenzprojekten standardisierte Prozesse für EU-taxonomiekonforme Sanierungen des österreichischen Gebäudebestandes entwickelt.
Im Projekt NextGES werden die Energiedienstleistungen „Monitoring & Visualisierung“, „Automatische Fehlerdiagnose“ und „Modellprädiktive Regelung“ durch Anwendung von Methoden des Domain-Informed Machine Learning und eines User-zentrierten Ansatzes entwickelt. In zwei steirischen Demonstratoren - „My Smart City Graz“ und „Stanz“ – werden die entwickelten Energiedienstleistungen getestet, verbessert und an die Bedürfnisse der dortigen Anwender angepasst.