B4B is a multi-year, multi-stakeholder project focused on developing methods to harness big data from smart meters, building management systems and the Internet of Things devices, to reduce energy consumption, increase comfort, respond flexibly to user behaviour and local energy supply and demand, and save on installation maintenance costs. This will be done through the development of faster and more efficient Machine Learning and Artificial Intelligence models and algorithms. The project is geared to existing utility buildings such as commercial and institutional buildings.
Machine learning models have proven to be reliable methods in classification tasks. However, little research has been done on classifying dwelling characteristics based on smart meter & weather data before. Gaining insights into dwelling characteristics can be helpful to create/improve the policies for creating new dwellings at NZEB standard. This paper compares the different machine learning algorithms and the methods used to correctly implement the models. These methods include the data pre-processing, model validation and evaluation. Smart meter data was provided by Groene Mient, which was used to train several machine learning algorithms. The models that were generated by the algorithms were compared on their performance. The results showed that Recurrent Neural Network (RNN) 2performed the best with 96% of accuracy. Cross Validation was used to validate the models, where 80% of the data was used for training purposes and 20% was used for testing purposes. Evaluation metrices were used to produce classification reports, which can indicate which of the models work the best for this specific problem. The models were programmed in Python.
As the Dutch electric vehicle (EV) fleet continues to expand, so will the amount of charging sessions increase. This expanding demand for energy will add on to the already existing strain on the grid, primarily during peak hours on workdays in the early morning and evening. This growing energy demand requires new methods to handle the charging of EVs, to distribute the available energy in the most effective way. Therefore, a large number of ‘smart charging’ initiatives have recently been developed, whereby the charging session of the EV is based on the conditions of the energy grid. However, the term smart charging is used for a variety of smart charging initiatives, often involving different optimization strategies and charging processes. For most practitioners, as well as academics, it is hard to distinguish the large range of smart charging initiatives initiated in recent years, how they differentiate from each other and how they contribute to a smarter charging infrastructure. This paper has the objective to provide an overview of smart charging initiatives in the Netherlands and develop a categorization of smart charging initiatives regarding objectives, proposed measures and intended contributions. We will do so by looking at initiatives that focus on smart charging at a household level, investigating the smart charging possibilities for EV owners who either make use of a private or (semi-)public charging point. The different smart charging initiatives will be analyzed and explicated in combination with a literature study, focusing on the different optimization strategies and requirements to smart charge an electric vehicle.
Currently, many novel innovative materials and manufacturing methods are developed in order to help businesses for improving their performance, developing new products, and also implement more sustainability into their current processes. For this purpose, additive manufacturing (AM) technology has been very successful in the fabrication of complex shape products, that cannot be manufactured by conventional approaches, and also using novel high-performance materials with more sustainable aspects. The application of bioplastics and biopolymers is growing fast in the 3D printing industry. Since they are good alternatives to petrochemical products that have negative impacts on environments, therefore, many research studies have been exploring and developing new biopolymers and 3D printing techniques for the fabrication of fully biobased products. In particular, 3D printing of smart biopolymers has attracted much attention due to the specific functionalities of the fabricated products. They have a unique ability to recover their original shape from a significant plastic deformation when a particular stimulus, like temperature, is applied. Therefore, the application of smart biopolymers in the 3D printing process gives an additional dimension (time) to this technology, called four-dimensional (4D) printing, and it highlights the promise for further development of 4D printing in the design and fabrication of smart structures and products. This performance in combination with specific complex designs, such as sandwich structures, allows the production of for example impact-resistant, stress-absorber panels, lightweight products for sporting goods, automotive, or many other applications. In this study, an experimental approach will be applied to fabricate a suitable biopolymer with a shape memory behavior and also investigate the impact of design and operational parameters on the functionality of 4D printed sandwich structures, especially, stress absorption rate and shape recovery behavior.
Project BAMBAM, BAby Motor development monitored By A Multisensor wearable, richt zich op het begin, namelijk bij de zorg voor kinderen van 0-2 jaar. In het bijzonder op het optimaliseren van de ontwikkeling van de motoriek wanneer dit niet vanzelf gaat. Kinderfysiotherapeuten begeleiden veel baby’s waarbij er zorgen zijn over de motorische ontwikkeling. Een goed ontwikkelde motoriek is de basis voor andere ontwikkelingsdomeinen,en een voorwaarde voor een fysiek actieve leefstijl op latere leeftijd. Het inzetten van technologie bij het analyseren van bewegingsproblemen bij het jonge kind kan een waardevolle aanvulling zijn voor de kinderfysiotherapeut, die nu eigen observaties gebruikt. Op dit moment is er nog geen geschikt systeem voor het observeren van de motorische ontwikkeling voor kinderfysiotherapeuten. Daarom werken we in project BAMBAM aan een meetinstrument voor het objectiveren van bewegingsgedrag van baby’s, dat verantwoord ingezet kan worden in de kinderfysiotherapeutische praktijk en interventiestudies. Uitgangspunt is een bestaande smartsuit, een ‘slimme' romper, met sensortechnologie en Artificiële Intelligentie die doorontwikkeld wordt in co creatie met kinderfysiotherapeuten, ouders en experts. Ook onderzoeken we hoe de uitkomsten van het systeem waarde toevoegen als beslissingsondersteuning voor de kinderfysiotherapeut. Hierbij richten we ons vooral op de bewegingsparameters die belangrijk zijn voor het kinderfysiotherapeutisch onderzoek en behandeling en hoe we die duidelijk kunnen weergeven. Het systeem moet valide en betrouwbare metingen verzorgen in de thuissituatie voor de kinderfysiotherapeut in praktijk en ziekenhuis. De impact van deze toepassing op ouders en kinderfysiotherapeuten is een belangrijk onderdeel bij het ontwikkelen van deze technologie, zodat het op een verantwoorde manier gebruikt kan worden. De gezondheidszorg vraagt om evidence-based diagnostiek en interventies. Met de schaarste van zorg, wordt het zorgvuldig signaleren van de baby’s die de zorg echt nodig hebben steeds belangrijker, net als de inzet van effectieve interventies. Technologie kan bijdragen aan toegankelijkheid en duurzame borging hiervan.
Met ingang van 2023 krijgen alle kinderen in het primair onderwijs minimaal twee uur per week bewegingsonderwijs door een vakleerkracht. Voor de vakleerkrachten bewegingsonderwijs betekent dit een aanzienlijke uitbreiding van het aantal lesuren. Echter zijn de werkomstandigheden niet altijd optimaal, zeker niet wat akoestiek betreft. Sportaccommodaties voldoen vaak niet aan de normen voor een goede akoestiek, waardoor de leraren aan hoge geluidsniveaus worden blootgesteld. In de praktijk komen er regelmatig klachten betreffende geluidsoverlast in sportaccommodaties. Blootstelling aan hoge geluidsniveaus kan op lange termijn voor onherstelbare gehoorproblemen zorgen. Daarnaast zijn er ook secundaire effecten en hebben veel vakleerkrachten stemproblemen, vermoeidheid en concentratieverlies als gevolg van de rumoerige werksituatie. Met dit onderzoek willen we een bijdrage leveren aan het realiseren van een gezonde werkomgeving voor vakleerkrachten bewegingsonderwijs in het primair onderwijs. Preventie van beroepsslechthorendheid begint met kennis over- en bewustzijn van de risico’s die (teveel) blootstelling aan geluid met zich mee kan brengen. In dit onderzoek gaan we daarom inventariseren wat de kwaliteit van het gehoor is, wat de geluidsniveaus zijn waaraan vakleerkrachten worden blootgesteld, wat de relatie is tussen de akoestische parameters van de sportaccommodatie en de geluidsniveaus tijdens de les, hoe de geluidsniveaus inzichtelijk gemaakt kunnen worden en wat de impact van geluid is op het welbevinden, de communicatie en de didactiek van vakleerkrachten. Daarbij wordt er ook een applicatie ontwikkeld die de geluidsniveaus inzichtelijk maakt. Tenslotte brengen we de opgedane kennis en inzichten samen in voorlichtingsmateriaal voor studenten en vakleerkrachten met als doel om een gezonde werkomgeving voor de vakleerkrachten bewegingsonderwijs te realiseren.
