Aktuelle Forschungsprojekte

Image Leistungsprüfung an Kältemittelverdichtern
Image Solare Kühlung
Image Hochtemperatur - Korrosionsinhibitoren zur Sicherung der Erweiterung des Anwendungsbereiches Abwärme nutzender Kälteerzeugung
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)
Image Modulares Speichersystem für solare Kühlung
Image Messung Isolierverpackung
Image Verbundvorhaben Öl-Effiziente Kältesysteme – Schmierstoffwahl für Kälteanlagen unter dem Gesichtspunkt der Energieeffizienz
Image Kältemittel- und Kältemaschinenöl-Untersuchungen
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Thermostatische Expansionsventile
Image Akustik und Schwingungen
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image Thermische Kälteerzeugung / Absorptionskältetechnik

Sie befinden sich hier:  Startseite /  Forschung und Entwicklung


Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen

BMWi Euronorm Innokom

01/2019–05/2021

Dr.-Ing. Thomas Oppelt

+49-351-4081-5321

in Bearbeitung

Klimasysteme intelligent regeln – hoher Komfort bei niedrigem Energiebedarf

Motivation

Die Energieeffizienz vieler klimatechnischer Systeme bleibt im Betrieb deutlich unterhalb des bei der Planung prognostizierten Wertes. Eine Ursache dafür ist, dass insbesondere komplexe Systeme mit mehreren Erzeugern, Speichern und Abnahmestellen häufig nicht optimal betrieben werden.

Ziel des Projekts

Entwicklung eines Betriebsoptimierungs-Tools für klimatechnische Systeme unter Verwendung von Methoden des maschinellen Lernens (ML) und Daten aus dem digitalen Gebäudemodell (Building Information Model, BIM):

  • Optimierungsziel: hohe Energieeffizienz bei gleichzeitig hoher Nutzerzufriedenheit
  • Einsparung von Betriebskosten, Energie und Kohlendioxidemissionen durch Effizienzsteigerung
  • fortlaufende selbstständige Verbesserung des ML-Algorithmus durch Lernen aus neuen Messdaten mit autoadaptiver Reaktion auf sich ändernde Bedingungen (Gebäude, Anlage, Nutzung, Smart-Meter für Echtzeitabrechnung von Energie und Medien, etc.)

Lösungsansatz

  •  Abbildung des thermisch-energetischen Verhaltens des realen Systems im Maschinen-Lern-System, Anlernen mittels BIM- und Messdaten sowie anhand eines digitalen Zwillings des Realsystems
  • Nutzung von ML-Methoden zur Prognose von Lasten (Wetter, Nutzungsverhalten)
  • automatische Klassifikation von Nutzungsszenarien, Fehlerdetektion
  • Integration verfügbarer Tools zur effizienten Raumströmungssimulation sowie zur Energiebedarfsberechnung
  • Co-Validierung von Optimierungstool, experimentellen Untersuchungen und digitalem Zwilling

Interessiert?

Treten Sie mit uns in Kontakt, wenn wir Ihr Interesse an einer Zusammenarbeit
geweckt haben: klima@ilkdresden.de


Ihre Anfrage zum Projekt

Weitere Projekte - Forschung und Entwicklung

Image

Entwicklung eines schnellen Rechenverfahrens..

..für die Auslegung von Turbomaschinen basierend auf IBM

Image

Schalldämpfer mit integrierten Abgaswärmeübertrager

zur Verbesserung des Kaltstartverhaltens

Image

Filterprüfungen

Abscheider im Industrie- und Labormaßstab

Image

Tieftemperatur-Messdienstleistungen

Übersicht der Messdienstleistungen

Image

Kalibrierung von Tieftemperatursensoren

Vergleichsmessung von Tieftemperaturthermometern