Aktuelle Forschungsprojekte

Dynamische Gebäude- und Anlagensimulation mit TRNSYS

CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung

Software für Prüfstände

Prüfstand für Ventilatoren nach DIN EN ISO 5801

Zug- und Druckprüfung

Bewertungsverfahren für Systeme mit Sekundärluft und Raumwirkung

Untersuchungen nach DIN EN ISO 14903

Entwicklung eines kryogenen magnetbasierten Luftzerlegers

StellarHeal – Wound Healing in Space and on Earth

Druckfestigkeitsprüfung von CO2 Anlagen

Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo

Prüfverfahren für Außenluftfilter

Luft-Wasser Wärmepumpen

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

Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze

Prolatent

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

E-Mail senden

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