Aktuelle Forschungsprojekte

Image Filterprüfungen
Image Pulse-Tube-Kühler mit Hermetikverdichterantrieb
Image Elektrische Auskopplung aus einer Expansionsturbine
Image Thermische Speicherung mit PCM
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Neues sorptives Entfeuchtungssystem mit Energiespeicherung mit Naturmaterial - SEENaM
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image Elektrische Komponenten in Kältekreisläufen
Image KLAR
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image Lüftungsgerät mit akustischer Regelungsoption
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Entwicklung eines kryogenen magnetbasierten Luftzerlegers
Image Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen
Image Befeuchtungsanlage für hochreine Gase
Image Abluftbehandlungsmethode zur Abscheidung von Spurenstoffen in neuen Produktionsverfahren

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

Heliumgewinnung aus Erdgas

Innovative Lösungswege zur Heliumgewinnung

Image

Mikrofluidisches Expansionsventil

zur Erhöhung der Energieeffizienz von Klein- und Kompaktkältegeräten

Image

Zertifizierbare Verbindungsarten in der Kryotechnik

Lösbare und unlösbare Verbindungen, Stoffschluss / Formschluss / Kraftschluss

Image

Korrosionsinhibitor für Absorptionskälteanlagen

Chromatfreie Inhibitoren für LiBr-AKA

Image