Aktuelle Forschungsprojekte

Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image Verhalten mehrphasiger kryogener Fluide
Image Elektrische Komponenten in Kältekreisläufen
Image Schalldämpfer mit integrierten Abgaswärmeübertrager
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image In-Situ-Quellverhalten von Polymeren in brennbaren Fluiden
Image Wärmekraftmaschinen
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)
Image Wasser-Luft-Kühler-Kit für Helium Kompressoren in der Kryotechnik
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)

Sie befinden sich hier:  Startseite /  Forschung und Entwicklung


ML-basierte Module für intelligente TGA-Planungssoftware

INNO-KOM

10/2022 - 02/2025

Dr.-Ing. Thomas Oppelt

+49-351-4081-5321

intelliKL

Maschinenlernbasierte Unterstützung für die optimale Auslegung von Raumkühlsystemen

Motivation

  • weltweit nimmt der Einsatz von Kühl- und Klimasystemen stetig zu
  • Planung und Auslegung bilden Fundament für Behaglichkeit und Energieeffizienz
  • dynamische Kühllastauslegung nach VDI 2078 basiert auf vielfältigen Einflussfaktoren
  • berücksichtigt Zusammenspiel von Raum, Anlage und Nutzung
  • Software nimmt Planern hauptsächlich die Arbeit des Rechnens ab
  • Finden optimaler Planungslösungen (Art und Kombination von Kühlsystemen, Regelung) bisher aber durch zeitaufwendigen manuellen Variantenvergleich

Projektziel

  • Entwicklung ML-basierter Softwaremodule
  • Realisierung von drei Intelligenz-Stufen

Lösungsansatz

  • Verwendung von ML-Verfahren für Ausreißer-detektion, Clustering und Regression
  • Erstellung von Beispielkonfigurationen
  • teilautomatisierte Generierung einer umfangreichen Datenbasis für Training und Test der ML-Algorithmen
  • Erstellung von Blackbox-Modulen zur Anbindung an Planungssoftware
  • Funktionsnachweis in Praxistests

Ihre Anfrage zum Projekt

Weitere Projekte - Forschung und Entwicklung

Image

Leistungsprüfung an Verflüssigungssätzen

Wie effizient ist der Verflüssigungssatz ?

Image

Zustands- und Schadensanalysen

Ist der Zustand des Kältemittelverdichters ok?

Image

Thermostatische Expansionsventile

Arbeitet das TEV eigentlich richtig?

Image

Testzentrum PLWP am ILK

Prüfung Fluid-Energiemaschinen und kältetechnische Bauteile

Image

Elektrische Auskopplung aus einer Expansionsturbine

Kostengünstige Umwandlung kleiner elektrischer Leistungen