Aktuelle Forschungsprojekte

Image Elektrische Auskopplung aus einer Expansionsturbine
Image Photometrisches Messverfahren zur Bestimmung der Luftwechselrate in Innenräumen - IO-Scan
Image Zug- und Druckprüfung
Image RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen
Image Hybrid- Fluid für CO2-Sublimations-Kältekreislauf
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image Akustik und Schwingungen
Image Neues sorptives Entfeuchtungssystem mit Energiespeicherung mit Naturmaterial - SEENaM
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)
Image Thermische Kälteerzeugung / Absorptionskältetechnik
Image Beladungssensor für Adsorptionsfilter
Image Cool Up
Image Seminar Evakuieren und Trocknen von Kälteanlagen
Image Tieftemperatur-Messdienstleistungen
Image Ressourcenoptimierung und Beschleunigung von Strömungssimulationen mittels künstlicher Intelligenz

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

Magnetfeldbeeinflusster Schmelzpunkt des Wassers

Gesteuerte Unterkühlung von wasserhaltigen Produkten bei Gefrierprozessen

Image

Lebensdauerprognose von Hermetikverdichtersystemen

Teilentladungen in Motorwicklungen

Image

Luft-Wasser Wärmepumpen

Prüfungen nach EN 14511 und 14825

Image

Heat2Power

Veredlung der Abwärme von Brennstoffzellen