Aktuelle Forschungsprojekte

Image IO-Scan – Integral messendes Optisches Scanverfahren
Image Nichtinvasive Strömungsmessung
Image Befeuchtungsanlage für hochreine Gase
Image Filterprüfungen
Image Verhalten mehrphasiger kryogener Fluide
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Intelligente innovative Stromversorgung für supraleitende Spulen
Image Software für Prüfstände
Image Innovativer Helium-Kleinverflüssiger
Image Untersuchung von materialabhängigen Parametern
Image Füllmengenreduzierung
Image Industrie-4.0-Membran-Wärme-und-Stoffübertrager (i-MWÜ4.0)
Image Tieftemperaturtribologie
Image Drallfrei unterwegs...
Image Mikrowärmeübertrager in der Kältetechnik
Image Luft-Wasser Wärmepumpen

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

Untersuchung von materialabhängigen Parametern

Untersuchung der Permeationsverhalten

Image

Cool Up

Upscaling Sustainable Cooling

Image

Ionokalorische Kälteerzeugung

Ionokalorisches Fest-Flüssigphasen-Kühlverfahren

Image

Tieftemperatur-Materialprüfkammer

Temperaturwechseltests für Bauteile bei extrem tiefen Temperaturen