Aktuelle Forschungsprojekte

Image Luft-Wasser Wärmepumpen
Image Panel mit indirekter Verdunstungskühlung über Membran
Image Prüfstände zur Messung der Luftleistung
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Wärmeübergang in Ferro-Nanofluiden unter Magnetfeldeinfluss
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image Prüfverfahren für Hochtemperaturewärmepumpen-Öle
Image Akustik und Schwingungen
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Massenspektrometer
Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image Mollier hx-Diagramm

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