Aktuelle Forschungsprojekte

Image Rohrgekapselte Latentwärmespeicher
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image ML-basierte Module für intelligente TGA-Planungssoftware
Image Lebensdauerprognose von Hermetikverdichtersystemen
Image Testzentrum PLWP am ILK
Image Software für die TGA-Planung
Image Befeuchtungsanlage für hochreine Gase
Image Solare Kühlung
Image Innovativer Helium-Kleinverflüssiger
Image Prüfung mobiler Leckdetektoren nach DIN EN 14624
Image Lüftungsgerät mit akustischer Regelungsoption
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image PerCO
Image Verhalten mehrphasiger kryogener Fluide
Image Charakterisierung von Supraleitern in Wasserstoffatmosphäre
Image Sole (Wasser)-Wärmepumpen

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

Zustands- und Schadensanalysen

Ist der Zustand des Kältemittelverdichters ok?

Image

Thermostatische Expansionsventile

Arbeitet das TEV eigentlich richtig?

Image

Testzentrum PLWP am ILK

Prüfung Fluid-Energiemaschinen und kältetechnische Bauteile

Image

Elektrische Auskopplung aus einer Expansionsturbine

Kostengünstige Umwandlung kleiner elektrischer Leistungen

Image

Drallfrei unterwegs...

...mit einem gegenläufigen Radialventilator