Aktuelle Forschungsprojekte

Image Hochtemperatur - Korrosionsinhibitoren zur Sicherung der Erweiterung des Anwendungsbereiches Abwärme nutzender Kälteerzeugung
Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image Wasser-Luft-Kühler-Kit für Helium Kompressoren in der Kryotechnik
Image Rohrgekapselte Latentwärmespeicher
Image Seminar Evakuieren und Trocknen von Kälteanlagen
Image Prüfverfahren für elektrische Komponenten
Image Wetterschutzhaube mit integrierter nachhaltiger Kühlfunktion | NaKu-WSH
Image Innovative Fertigungstechnologien für Kryosorptionssysteme
Image Apparatur und Verfahren zur Degradationsprüfung
Image Befeuchtungsanlage für hochreine Gase
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Mollier hx-Diagramm
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image Vakuum-Flüssigeis-Technologie

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

Photometrisches Messverfahren zur Bestimmung der Luftwechselrate in Innenräumen - IO-Scan

Projektpartner aus der Industrie gesucht für die Überführung der Entwicklungsergebnisse in ein marktfähiges Messsystem zur Bestimmung der Luftwechselrate in Innenräumen

Image

Mollier hx-Diagramm

Prozessdarstellung im hx-Diagramm