Aktuelle Forschungsprojekte

Image RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen
Image Mikrofluidisches Expansionsventil
Image Prüfverfahren für Hochtemperaturewärmepumpen-Öle
Image Heliumgewinnung aus Erdgas
Image Thermische Speicherung mit PCM
Image Tieftemperaturtribologie
Image Cl.Ai.Co - Clever Air Components
Image Wärmekraftmaschinen
Image Pulse-Tube Kryokühler
Image Heat2Power
Image Solare Kühlung
Image Kältemittel- und Kältemaschinenöl-Untersuchungen
Image 3D - Strömungssensor
Image Wetterschutzhaube mit integrierter nachhaltiger Kühlfunktion | NaKu-WSH
Image Cool Up
Image Entwicklung hydrolysebeständiger Hotmelt-Klebeverbunde für Prozessluft- und Klimaanwendungen unter Einhaltung hygienischer Anforderungen

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

Aktives Schichtladesystem für Kaltwasserpufferspeicher

Temperaturgesteuerte Einschichtung von Kaltwasser mit unterschiedlichem Temperaturniveau

Image

Hybrid- Fluid für CO2-Sublimations-Kältekreislauf

Tieftemperaturkühlung mittels CO2-Sublimation

Image

Prolatent

Innovative Prozesswärmespeicher mit org. PCMs

Image

Primäre Lärmreduktion an Ventilatoren

...mit numerischen und experimentellen Methoden an einem gegenläufigen Axialventilator