Aktuelle Forschungsprojekte

Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image Modulares Speichersystem für solare Kühlung
Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image All-In-One Gerät für Gefriertrocknung und Biomaterialherstellung
Image Pulse-Tube-Kühler mit Hermetikverdichterantrieb
Image Lebensdauerprognose von Hermetikverdichtersystemen
Image Zertifizierbare Verbindungsarten in der Kryotechnik
Image Phasenauflösende numerische Simulation von Suspensionen
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Matrix-Design for Artificial Meat (MADAM)
Image Hochtemperatur - Korrosionsinhibitoren zur Sicherung der Erweiterung des Anwendungsbereiches Abwärme nutzender Kälteerzeugung
Image MetPCM
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image Prüfstände für Kälte- und Wärmepumpentechnik
Image Verbundvorhaben Öl-Effiziente Kältesysteme – Schmierstoffwahl für Kälteanlagen unter dem Gesichtspunkt der Energieeffizienz

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