Maschinenlernbasierte Unterstützung für die optimale Auslegung von Raumkühlsystemen
Motivation
- weltweit nimmt der Einsatz von Kühl- und Klimasystemen stetig zu
- Planung und Auslegung bilden Fundament für Behaglichkeit und Energieeffizienz
- dynamische Kühllastauslegung nach VDI 2078 basiert auf vielfältigen Einflussfaktoren
- berücksichtigt Zusammenspiel von Raum, Anlage und Nutzung
- Software nimmt Planern hauptsächlich die Arbeit des Rechnens ab
- Finden optimaler Planungslösungen (Art und Kombination von Kühlsystemen, Regelung) bisher aber durch zeitaufwendigen manuellen Variantenvergleich
Projektziel
- Entwicklung ML-basierter Softwaremodule
- Realisierung von drei Intelligenz-Stufen
Lösungsansatz
- Verwendung von ML-Verfahren für Ausreißer-detektion, Clustering und Regression
- Erstellung von Beispielkonfigurationen
- teilautomatisierte Generierung einer umfangreichen Datenbasis für Training und Test der ML-Algorithmen
- Erstellung von Blackbox-Modulen zur Anbindung an Planungssoftware
- Funktionsnachweis in Praxistests
