Aktuelle Forschungsprojekte

Image Selbstoptimierendes Raumluftmanagementsystem
Image Innovatives Tieftemperaturkühlsystem zur Rekondensation / Verflüssigung von technischen Gasen bis 77 K
Image Untersuchungen von Werkstoffen
Image Kältemittel- und Kältemaschinenöl-Untersuchungen
Image Bewertungsverfahren für Systeme mit Sekundärluft und Raumwirkung
Image PerCO
Image Messung Isolierverpackung
Image Luft-Wasser Wärmepumpen
Image Akustik und Schwingungen
Image Tieftemperaturtribologie
Image Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen
Image Zertifizierbare Verbindungsarten in der Kryotechnik
Image Seminar Evakuieren und Trocknen von Kälteanlagen
Image Lüftungsgerät mit akustischer Regelungsoption
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Leistungsangebot der Lecksuche und Dichtheitsprüfung

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