Aktuelle Forschungsprojekte

Image Software für die TGA-Planung
Image Abluftbehandlungsmethode zur Abscheidung von Spurenstoffen in neuen Produktionsverfahren
Image Tieftemperatur-Messdienstleistungen
Image Heliumgewinnung aus Erdgas
Image Gesamtsystemoptimierung von Kältetechnischen Alagensystemen für Energiewende und Klimaschutz
Image Lebensdauerprognose von Hermetikverdichtersystemen
Image Untersuchungen von Werkstoffen
Image Untersuchungen an Deckenkühlgeräten
Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image Prüfverfahren und Prüfvorrichtungen für ABEK Filterelemente
Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image Thermostatische Expansionsventile
Image RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen
Image Innovativer Helium-Kleinverflüssiger
Image Primäre Lärmreduktion an Ventilatoren

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

For(W)ing - Laufradflügel für Strömungsmaschinen

Flexible, adaptierbare Bauteile auf Basis funktionalisierter Textilien

Image

Innovativer Helium-Kleinverflüssiger

Verflüssigungsraten von 10 bis 15 l/h

Image

Wasserstoff- und Methan-Versuchsfeld am ILK

Gleichzeitig Drücke bis 1000 bar, Temperaturen bis –253°C

Image

Heliumgewinnung aus Erdgas

Innovative Lösungswege zur Heliumgewinnung