Aktuelle Forschungsprojekte

Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image IO-Scan – Integral messendes Optisches Scanverfahren
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Druckfestigkeitsprüfung von CO2 Anlagen
Image Messung Isolierverpackung
Image PerCO
Image Innovatives Tieftemperaturkühlsystem zur Rekondensation / Verflüssigung von technischen Gasen bis 77 K
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Industrie-4.0-Membran-Wärme-und-Stoffübertrager (i-MWÜ4.0)
Image Hybrid- Fluid für CO2-Sublimations-Kältekreislauf
Image Kalibrierleck für die Wasserbad Dichtheitsprüfung
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Lebensdauerprognose von Hermetikverdichtersystemen
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)
Image Kältemittel- und Kältemaschinenöl-Untersuchungen
Image Entwicklung eines schnellen Rechenverfahrens..

Sie befinden sich hier:  Startseite /  Softwareentwicklung


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 - Softwareentwicklung

Image

Mollier hx-Diagramm

Prozessdarstellung im hx-Diagramm

Image

Software für Prüfstände

Individuelle Software für komplexe Prüfungen und Auswertungen

Image

Software für die TGA-Planung

Auslegung Kühllast und Jahressimulation (VDI 2078, VDI 6007, VDI 6020)