Aktuelle Forschungsprojekte

Image Ressourcenoptimierung und Beschleunigung von Strömungssimulationen mittels künstlicher Intelligenz
Image Leistungsprüfung an Kältemittelverdichtern
Image Panel mit indirekter Verdunstungskühlung über Membran
Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Wärmeübergang in Ferro-Nanofluiden unter Magnetfeldeinfluss
Image Untersuchungen an Deckenkühlgeräten
Image Hochtemperatur - Korrosionsinhibitoren zur Sicherung der Erweiterung des Anwendungsbereiches Abwärme nutzender Kälteerzeugung
Image MetPCM
Image Sole (Wasser)-Wärmepumpen
Image RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Seminar Lecksuche / Dichtheitsprüfung in der Kältetechnik
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image Strahltechnikentwicklung mit Wassereis-Strahlmittel
Image Kältemittel- und Kältemaschinenöl-Untersuchungen

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

Tieftemperatur-Materialprüfkammer

Temperaturwechseltests für Bauteile bei extrem tiefen Temperaturen

Image

Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo

Minimierung der Kontamination bei der kryogenen Lagerung biologischer Proben

Image

All-In-One Gerät für Gefriertrocknung und Biomaterialherstellung

mit automatisierter Einfrier- und Sterilisationsoption