Aktuelle Forschungsprojekte

Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image Tribologische Untersuchungen im System Öl-Kältemittel-Werkstoff
Image Wärmekraftmaschinen
Image Schalldämpfer mit integrierten Abgaswärmeübertrager
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Mikrofluidisches Expansionsventil
Image Strömungssimulation CFD
Image Luft-Wasser Wärmepumpen
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Praktikum, Diplom, Master, Bachelor
Image Thermische Speicherung mit PCM
Image Software für die TGA-Planung
Image Prüfstände für Kälte- und Wärmepumpentechnik
Image Tieftemperatur-Messdienstleistungen
Image Seminar Lecksuche / Dichtheitsprüfung in der Kältetechnik
Image Innovative Fertigungstechnologien für Kryosorptionssysteme

Sie befinden sich hier:   /  Startseite


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

Image

Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen

Eine Alternative zu Chrom(VI)-Verbindungen

Image

Entwicklung eines kryogenen magnetbasierten Luftzerlegers

Angewandte kryogene Magnetohydrodynamik zur Sauerstoffanreicherung

Image

Mollier hx-Diagramm

Prozessdarstellung im hx-Diagramm

Image

Sole (Wasser)-Wärmepumpen

Prüfungen nach EN 14511 und 14825

Image

Software für Prüfstände

Individuelle Software für komplexe Prüfungen und Auswertungen


Kontakt

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


Empfang ILK Dresden

+49-351-4081-5000

+49-351-4081-5099

Bild ISO 9001
Bild Zuse Mitglied Bild SIG