Aktuelle Forschungsprojekte

Image Tieftemperatur-Materialprüfkammer
Image Thermostatische Expansionsventile
Image Zertifizierbare Verbindungsarten in der Kryotechnik
Image Prüfstände zur Messung der Luftleistung
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image All-In-One Gerät für Gefriertrocknung und Biomaterialherstellung
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image Untersuchungen nach DIN EN ISO 14903
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Entwicklung eines kryogenen magnetbasierten Luftzerlegers
Image Testzentrum PLWP am ILK
Image Verbundvorhaben Öl-Effiziente Kältesysteme – Schmierstoffwahl für Kälteanlagen unter dem Gesichtspunkt der Energieeffizienz
Image Automatisierte Gasschleife
Image Leistungsangebot der Lecksuche und Dichtheitsprüfung
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image Strömungssimulation CFD

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