Aktuelle Forschungsprojekte

Image Laseroptische Strömungsmessung
Image Reduktion der Schallemission von Darrieus-Windturbinen
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Hochtemperatur Wärmepumpe
Image Selbstoptimierendes Raumluftmanagementsystem
Image Entwicklung hydrolysebeständiger Hotmelt-Klebeverbunde für Prozessluft- und Klimaanwendungen unter Einhaltung hygienischer Anforderungen
Image Wetterschutzhaube mit integrierter nachhaltiger Kühlfunktion | NaKu-WSH
Image Mikrowärmeübertrager in der Kältetechnik
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image ML-basierte Module für intelligente TGA-Planungssoftware
Image Akustik und Schwingungen
Image Thermostatische Expansionsventile
Image Kalibrierung von Tieftemperatursensoren
Image RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen
Image Gesamtsystemoptimierung von Kältetechnischen Anlagensystemen für Energiewende und Klimaschutz
Image Praktikum, Diplom, Master, Bachelor

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

Hybrid- Fluid für CO2-Sublimations-Kältekreislauf

Tieftemperaturkühlung mittels CO2-Sublimation

Image

Prolatent

Innovative Prozesswärmespeicher mit org. PCMs

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