Aktuelle Forschungsprojekte

Image Thermostatische Expansionsventile
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Stoffdatenmodule
Image Thermosyphon mit in situ beschichtetem Verdampfer
Image Untersuchungen nach DIN EN ISO 14903
Image Elektronische Multifunktionsmodule für kryogene Anwendungen
Image 3D - Strömungssensor
Image Innovativer Helium-Kleinverflüssiger
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image Heat2Power
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Prüfstände für Kälte- und Wärmepumpentechnik
Image Solare Kühlung
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Massenspektrometer

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

Magnetfeldbeeinflusster Schmelzpunkt des Wassers

Gesteuerte Unterkühlung von wasserhaltigen Produkten bei Gefrierprozessen

Image

Lebensdauerprognose von Hermetikverdichtersystemen

Teilentladungen in Motorwicklungen

Image

Luft-Wasser Wärmepumpen

Prüfungen nach EN 14511 und 14825

Image

Heat2Power

Veredlung der Abwärme von Brennstoffzellen

Image

Nichtinvasive Strömungsmessung

PDPA - Strömungsfelder und Partikelgrößen