Image PCM4all - Wärmespeicher für Haushaltgeräte
Image Entwicklung eines Windturbinenventilators
Image Prüfbad-Haube
Image Mollier hx-Diagramm
Image 3D - Strömungssensor
Image BIM-basiertes, autoadaptives Inbetriebnahme-Tool für die Klimatechnik
Image Prüfverfahren für elektrische Komponenten
Image Innovativer Prüfstand für die Sicherheitsbewertung von KryoVials
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image Wasserstoffversuchsfeld am ILK
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image Filterprüfungen
Image Messung Isolierverpackung
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image Leistungsprüfung an Kältemittelverdichtern

Sie befinden sich hier:  Startseite /  Technologietransfer


Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen

BMWi Euronorm Innokom

01/2019–05/2021

Dr.-Ing. Thomas Oppelt

+49-351-4081-684

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

3D - Strömungssensor

Anemometer für 3-dimensionale Strömungsmessung

Image

Rohrgekapselte Latentwärmespeicher

Neuartige Wärmespeicherelemente

Image

Solare Kühlung

Solare Kühlung mit Photovoltaik

Image

MetPCM

Metallverkapselte Hochtemper PCM

Image

Regenerationsmodul für dezentrale Trocknung

Energiespeicher und Sorption dezentral im Einsatz


Kontakt

Institut für Luft- und Kältetechnik - Gemeinnützige Gesellschaft mbH
Bertolt-Brecht-Allee 20, 01309 Dresden


Sekretariat der Geschäftsleitung

+49-351-4081-520

+49-351-4081-525

Bild ISO 9001
Bild Zuse Mitglied Bild SIG