Aktuelle Forschungsprojekte

Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Thermostatische Expansionsventile
Image Lebensdauerprognose von Hermetikverdichtersystemen
Image Akustik und Schwingungen
Image In-Situ-Quellverhalten von Polymeren in brennbaren Fluiden
Image Zustands- und Schadensanalysen
Image Innovative Fertigungstechnologien für Kryosorptionssysteme
Image Modulares Speichersystem für solare Kühlung
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image Entwicklung eines schnellen Rechenverfahrens..
Image Pulse-Tube Kryokühler
Image Untersuchung von Kühlsolen
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)
Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image ML-basierte Module für intelligente TGA-Planungssoftware

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

All-In-One Gerät für Gefriertrocknung und Biomaterialherstellung

mit automatisierter Einfrier- und Sterilisationsoption

Image

Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa

Energetisch und Bauteiloptimierte Kältekreisläufe kleiner Leistung

Image

Untersuchungen nach DIN EN ISO 14903

Diese Prüfungen nach DIN EN ISO 14903 sind am ILK Dresden möglich