Aktuelle Forschungsprojekte

Image Heat2Power
Image Prüfverfahren und Prüfvorrichtungen für ABEK Filterelemente
Image Entwicklung hydrolysebeständiger Hotmelt-Klebeverbunde für Prozessluft- und Klimaanwendungen unter Einhaltung hygienischer Anforderungen
Image Beladungssensor für Adsorptionsfilter
Image PerCO
Image Kalibrierleck für die Wasserbad Dichtheitsprüfung
Image Seminar Lecksuche / Dichtheitsprüfung in der Kältetechnik
Image Korrosionsinhibitor für Absorptionskälteanlagen
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Verbundvorhaben Öl-Effiziente Kältesysteme – Schmierstoffwahl für Kälteanlagen unter dem Gesichtspunkt der Energieeffizienz
Image Innovative Fertigungstechnologien für Kryosorptionssysteme
Image Cl.Ai.Co - Clever Air Components
Image Cool Up
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen

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

Textiler Wärme- und Stoffübertrager in KVS-Systemen

Enthalpierückgewinnung zwischen örtlich getrennten Luftströmen

Image

Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)

Preisgünstige Kryokonservierung biologischer Proben

Image

Dynamische Gebäude- und Anlagensimulation mit TRNSYS

Wissenschaftliche Analyse thermodynamischer Prozesse in Gebäuden und Anlagen

Image

Elektronische Multifunktionsmodule für kryogene Anwendungen

Elektronik mit geringem Verkabelungsaufwand - mehr als 100 Sensoren über eine Durchführung