Aktuelle Forschungsprojekte

Image Gesamtsystemoptimierung von Kältetechnischen Anlagensystemen für Energiewende und Klimaschutz
Image Untersuchung von Kühlsolen
Image Charakterisierung von Supraleitern in Wasserstoffatmosphäre
Image Innovatives Tieftemperaturkühlsystem zur Rekondensation / Verflüssigung von technischen Gasen bis 77 K
Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image Bewertungsverfahren für Systeme mit Sekundärluft und Raumwirkung
Image Verbundvorhaben Öl-Effiziente Kältesysteme – Schmierstoffwahl für Kälteanlagen unter dem Gesichtspunkt der Energieeffizienz
Image Pulse-Tube-Kühler mit Hermetikverdichterantrieb
Image Zug- und Druckprüfung
Image Leistungsangebot Laboranalysen
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image Tieftemperatur-Materialprüfkammer
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image Rohrgekapselte Latentwärmespeicher
Image Pulse-Tube Kryokühler
Image Seminar Evakuieren und Trocknen von Kälteanlagen

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

RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen

Intelligente Strömungsprognose für die smarte TGA-Planung

Image

ZeroHeatPump

Leistungsführung von Klein-Wärmepumpen ohne Energieverbrauch

Image

KLAR

Klassenraumlüftung akustikbasiert regeln