Aktuelle Forschungsprojekte

Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image Cl.Ai.Co - Clever Air Components
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image Elektrische Komponenten in Kältekreisläufen
Image Mikrowärmeübertrager in der Kältetechnik
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image MetPCM
Image Solare Kühlung
Image Verhalten mehrphasiger kryogener Fluide
Image Luft-Wasser Wärmepumpen
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image Reduzierung der Expansionsverluste von Kälteanlagen
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image Tribologische Untersuchungen im System Öl-Kältemittel-Werkstoff
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa

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

Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo

Minimierung der Kontamination bei der kryogenen Lagerung biologischer Proben

Image

All-In-One Gerät für Gefriertrocknung und Biomaterialherstellung

mit automatisierter Einfrier- und Sterilisationsoption

Image

Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa

Energetisch und Bauteiloptimierte Kältekreisläufe kleiner Leistung