Aktuelle Forschungsprojekte

Image Kältemittel- und Kältemaschinenöl-Untersuchungen
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image Cl.Ai.Co - Clever Air Components
Image Kalibrierleck für die Wasserbad Dichtheitsprüfung
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image Wärmeübergang in Ferro-Nanofluiden unter Magnetfeldeinfluss
Image Leistungsangebot Laboranalysen
Image Pulse-Tube Kryokühler
Image All-In-One Gerät für Gefriertrocknung und Biomaterialherstellung
Image Prüfverfahren für Hochtemperaturewärmepumpen-Öle
Image Untersuchungen nach DIN EN ISO 14903
Image Leistungsmessung an Wärmeübertragern
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Rauscharme, nichtmetallische Flüssig-Heliumkryostate
Image Rohrgekapselte Latentwärmespeicher
Image Thermische Kälteerzeugung / Absorptionskältetechnik

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

Mikrowärmeübertrager in der Kältetechnik

3D-Fertigung von Mikrowärmeübertragern

Image

Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“

Verbesserung der hygienischen Prävention durch elektrochemische Dekontamination

Image

Heat2Power

Veredlung der Abwärme von Brennstoffzellen

Image

Thermische Kälteerzeugung / Absorptionskältetechnik

Kraft-Wärme-Kälte-Kopplung, Fernwärme, Solarthermie oder Abwärme zur Kälteerzeugung