Aktuelle Forschungsprojekte

Image Software für Prüfstände
Image Tieftemperatur-Materialprüfkammer
Image Füllmengenreduzierung
Image Innovatives Tieftemperaturkühlsystem zur Rekondensation / Verflüssigung von technischen Gasen bis 77 K
Image Intelligente innovative Stromversorgung für supraleitende Spulen
Image Entwicklung hydrolysebeständiger Hotmelt-Klebeverbunde für Prozessluft- und Klimaanwendungen unter Einhaltung hygienischer Anforderungen
Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Tieftemperaturtribologie
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image Elektronische Multifunktionsmodule für kryogene Anwendungen
Image Befeuchtungsanlage für hochreine Gase
Image Rauscharme, nichtmetallische Flüssig-Heliumkryostate
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image PerCO
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Rohrgekapselte Latentwärmespeicher

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

Primäre Lärmreduktion an Ventilatoren

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

Image

Industrie-4.0-Membran-Wärme-und-Stoffübertrager (i-MWÜ4.0)

Vernetzung des gesamten Lebenszyklus einer multifunktionalen RLT-Komponente

Image

Automatisierte Gasschleife

Füllmengenreduktion für Kältemittel

Image

Rohrgekapselte Latentwärmespeicher

Neuartige Wärmespeicherelemente