Aktuelle Forschungsprojekte

Image Reduzierung der Expansionsverluste von Kälteanlagen
Image Kryostate aus GFK oder Metall
Image Innovativer Helium-Kleinverflüssiger
Image Mollier hx-Diagramm
Image Verhalten mehrphasiger kryogener Fluide
Image Pulse-Tube-Kühler mit Hermetikverdichterantrieb
Image Leistungsprüfung an Verflüssigungssätzen
Image Thermostatische Expansionsventile
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Mikrofluidisches Expansionsventil
Image Schalldämpfer mit integrierten Abgaswärmeübertrager
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image Prüfstände zur Messung der Luftleistung
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Tieftemperatur-Messdienstleistungen
Image Prüfverfahren für elektrische Komponenten

Sie befinden sich hier:  Startseite /  Forschung und Entwicklung


Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen

BMWi Euronorm Innokom

01/2019–05/2021

Dr.-Ing. Thomas Oppelt

+49-351-4081-684

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

Filterprüfungen

Abscheider in Industrie- und Labormaßstab

Image

Tieftemperatur-Messdienstleistungen

Thermische Messungen bei tiefen Temperaturen

Image

Kalibrierung von Tieftemperatursensoren

Vergleichsmessung von Tieftemperaturthermometern

Image

Aktives Schichtladesystem für Kaltwasserpufferspeicher

Temperaturgesteuerte Einschichtung von Kaltwasser mit unterschiedlichem Temperaturniveau


Kontakt

Institut für Luft- und Kältetechnik - Gemeinnützige Gesellschaft mbH
Bertolt-Brecht-Allee 20, 01309 Dresden


Sekretariat der Geschäftsleitung

+49-351-4081-520

+49-351-4081-525

Bild ISO 9001
Bild Zuse Mitglied Bild SIG