Aktuelle Forschungsprojekte

Lebensdauerprognose von Hermetikverdichtersystemen

Untersuchungen nach DIN EN ISO 14903

Praktikum, Diplom, Master, Bachelor

Reduzierung der Expansionsverluste von Kälteanlagen

Charakterisierung von Supraleitern in Wasserstoffatmosphäre

Rauscharme, nichtmetallische Flüssig-Heliumkryostate

Mikrofluidisches Expansionsventil

Sole (Wasser)-Wärmepumpen

Lüftungsgerät mit akustischer Regelungsoption

Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen

Verbundvorhaben Öl-Effiziente Kältesysteme – Schmierstoffwahl für Kälteanlagen unter dem Gesichtspunkt der Energieeffizienz

Prolatent

Thermostatische Expansionsventile

Entwicklung hydrolysebeständiger Hotmelt-Klebeverbunde für Prozessluft- und Klimaanwendungen unter Einhaltung hygienischer Anforderungen

Tieftemperatur-Messdienstleistungen

Heliumgewinnung aus Erdgas

Sie befinden sich hier: Startseite / Technologietransfer

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