Aktuelle Forschungsprojekte

Image Schalldämpfer mit integrierten Abgaswärmeübertrager
Image Untersuchungen von Werkstoffen
Image Tieftemperaturtribologie
Image Lebensdauerprognose von Hermetikverdichtersystemen
Image Entwicklung eines schnellen Rechenverfahrens..
Image Prüfung mobiler Leckdetektoren nach DIN EN 14624
Image Filterprüfungen
Image Mikrowärmeübertrager in der Kältetechnik
Image Untersuchungen an Deckenkühlgeräten
Image Druckfestigkeitsprüfung von CO2 Anlagen
Image Phasenauflösende numerische Simulation von Suspensionen
Image Industrie-4.0-Membran-Wärme-und-Stoffübertrager (i-MWÜ4.0)
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image Befeuchtungsanlage für hochreine Gase
Image Mollier hx-Diagramm
Image 3D - Strömungssensor

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

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

Image

Aktives Schichtladesystem für Kaltwasserpufferspeicher

Temperaturgesteuerte Einschichtung von Kaltwasser mit unterschiedlichem Temperaturniveau