Aktuelle Forschungsprojekte

Image Leistungsprüfung an Verflüssigungssätzen
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image Tieftemperatur-Materialprüfkammer
Image Korrosionsinhibitor für Absorptionskälteanlagen
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image Rauscharme, nichtmetallische Flüssig-Heliumkryostate
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image PerCO
Image Hybrid- Fluid für CO2-Sublimations-Kältekreislauf
Image Charakterisierung von Supraleitern in Wasserstoffatmosphäre
Image Energieeffizienzberatung Kraft-Wärme-Kälte
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)
Image In-Situ-Quellverhalten von Polymeren in brennbaren Fluiden
Image Panel mit indirekter Verdunstungskühlung über Membran
Image Kältemittel- und Kältemaschinenöl-Untersuchungen
Image Heat2Power

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

Massenspektrometer

Bestimmen der Zusammensetzung von Gasgemischen im Hoch- oder Ultrahochvakuumbereich

Image

Zug- und Druckprüfung

Ermittlung der Streckgrenze, Zugfestigkeit und Bruchdehnung

Image

Untersuchung von materialabhängigen Parametern

Untersuchung der Permeationsverhalten

Image

Cool Up

Upscaling Sustainable Cooling

Image

Ionokalorische Kälteerzeugung

Ionokalorisches Fest-Flüssigphasen-Kühlverfahren