Aktuelle Forschungsprojekte

Image Intelligente innovative Stromversorgung für supraleitende Spulen
Image Prüfverfahren für Außenluftfilter
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image Thermostatische Expansionsventile
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)
Image Kalibrierung von Tieftemperatursensoren
Image Reduzierung der Expansionsverluste von Kälteanlagen
Image Zertifizierbare Verbindungsarten in der Kryotechnik
Image Tieftemperatur-Messdienstleistungen
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image Messung Isolierverpackung
Image Leistungsangebot Laboranalysen
Image Kältemittel- und Kältemaschinenöl-Untersuchungen

Sie befinden sich hier:  Startseite /  Softwareentwicklung


Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen

BMWi Euronorm Innokom

01/2019–05/2021

Dr.-Ing. Thomas Oppelt

+49-351-4081-684

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

Software für die TGA-Planung

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

Image

Strömungssimulation CFD

Wissenschaftliche Untersuchung von Strömungen

Image

Dynamische Gebäude- und Anlagensimulation mit TRNSYS

Wissenschaftliche Analyse thermodynamischer Prozesse in Gebäuden und Anlagen

Image

Elektronische Multifunktionsmodule für kryogene Anwendungen

Elektronik mit geringem Verkabelungsaufwand - mehr als 100 Sensoren über eine Durchführung

Image

Cl.Ai.Co - Clever Air Components

Entwicklung eines innovativen Systems für eine energieeffiziente Gebäudeklimatisierung


Kontakt

Institut für Luft- und Kältetechnik - Gemeinnützige Gesellschaft mbH
Bertolt-Brecht-Allee 20, 01309 Dresden


Sekretariat der Geschäftsleitung

+49-351-4081-520

+49-351-4081-525

Bild ISO 9001
Bild Zuse Mitglied Bild SIG