Aktuelle Forschungsprojekte

Image CaptureTest – Erfassungsgrad von Absaugern für Kochdünste
Image ML-basierte Module für intelligente TGA-Planungssoftware
Image Mikrowärmeübertrager in der Kältetechnik
Image Modulares Speichersystem für solare Kühlung
Image Tribologische Untersuchungen im System Öl-Kältemittel-Werkstoff
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Elektronische Multifunktionsmodule für kryogene Anwendungen
Image Leistungsprüfung an Kältemittelverdichtern
Image Solare Kühlung
Image Gesamtsystemoptimierung von Kältetechnischen Anlagensystemen für Energiewende und Klimaschutz
Image Software für Prüfstände
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Charakterisierung von Supraleitern in Wasserstoffatmosphäre
Image Rauscharme, nichtmetallische Flüssig-Heliumkryostate
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Wasserstoff- und Methan-Versuchsfeld am ILK

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

Nichtinvasive Strömungsmessung

PDPA - Strömungsfelder und Partikelgrößen

Image

Thermische Speicherung mit PCM

Von der Speicheraufgabe zur Anwendung

Image

Rauscharme, nichtmetallische Flüssig-Heliumkryostate

Magnetisch rauscharm für z.B. SQUID-Anwendungen

Image

Kryostate aus GFK oder Metall

Lageunabhängig, nicht-metallisch, hohe Standzeit für flüssig Stickstoff und flüssig Helium

Image

Strömungssimulation CFD

Wissenschaftliche Untersuchung von Strömungen