Aktuelle Forschungsprojekte

Image Seminar Lecksuche / Dichtheitsprüfung in der Kältetechnik
Image Vakuum-Flüssigeis-Technologie
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Mikrowärmeübertrager in der Kältetechnik
Image Mollier hx-Diagramm
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen
Image 3D - Strömungssensor
Image Zustands- und Schadensanalysen
Image Matrix-Design for Artificial Meat (MADAM)
Image Untersuchungen nach DIN EN ISO 14903
Image Thermische Speicherung mit PCM
Image Aktives Schichtladesystem für Kaltwasserpufferspeicher
Image Rohrgekapselte Latentwärmespeicher
Image Schalldämpfer mit integrierten Abgaswärmeübertrager

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

Matrix-Design for Artificial Meat (MADAM)

Wirtschaftlich konkurrenzfähige Steaks aus dem Zellkulturlabor

Image

Wetterschutzhaube mit integrierter nachhaltiger Kühlfunktion | NaKu-WSH

Nachrüstbare innovative Zuluftkühlung für dezentrale Lüftungsgeräte

Image

RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen

Intelligente Strömungsprognose für die smarte TGA-Planung