Aktuelle Forschungsprojekte

Image Kälte-Erzeugung und Kältespeicherung
Image Modulares Speichersystem für solare Kühlung
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Nichtinvasive Strömungsmessung
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Untersuchungen an Deckenkühlgeräten
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image ML-basierte Module für intelligente TGA-Planungssoftware
Image Kryostate aus GFK oder Metall
Image Seminar Lecksuche / Dichtheitsprüfung in der Kältetechnik
Image Cl.Ai.Co - Clever Air Components
Image Akustik und Schwingungen
Image Kryoflüssigkeitspumpen für tiefkalt verflüssigte Gase wie z.B. LIN, LOX, LHe, LH2, LNG, LAr
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Elektronische Multifunktionsmodule für kryogene Anwendungen
Image Heliumgewinnung aus Erdgas

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

Ionokalorische Kälteerzeugung

Ionokalorisches Fest-Flüssigphasen-Kühlverfahren

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