Aktuelle Forschungsprojekte

Image Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen
Image Entwicklung eines schnellen Rechenverfahrens..
Image Wetterschutzhaube mit integrierter nachhaltiger Kühlfunktion | NaKu-WSH
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Akustik und Schwingungen
Image 3D - Strömungssensor
Image Nichtinvasive Strömungsmessung
Image Entwicklung hydrolysebeständiger Hotmelt-Klebeverbunde für Prozessluft- und Klimaanwendungen unter Einhaltung hygienischer Anforderungen
Image Seminar Evakuieren und Trocknen von Kälteanlagen
Image Kältemengenzähler
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Gesamtsystemoptimierung von Kältetechnischen Anlagensystemen für Energiewende und Klimaschutz
Image Elektrische Auskopplung aus einer Expansionsturbine
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image Thermosyphon mit in situ beschichtetem Verdampfer
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze

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

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 - Technologietransfer

Image

Vakuum-Flüssigeis-Technologie

Flüssigeiserzeugung durch Direktverdampfung

Image

Selbstoptimierendes Raumluftmanagementsystem

Echtzeitsimulation von Raumströmungen

Image

3D - Strömungssensor

Anemometer für 3-dimensionale Strömungsmessung

Image

Rohrgekapselte Latentwärmespeicher

Neuartige Wärmespeicherelemente

Image

Solare Kühlung

Solare Kühlung mit Photovoltaik