Aktuelle Forschungsprojekte

Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image Füllmengenreduzierung
Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)
Image Akustik und Schwingungen
Image PerCO
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Thermostatische Expansionsventile
Image Mikrofluidisches Expansionsventil
Image Testzentrum PLWP am ILK
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Innovatives Tieftemperaturkühlsystem zur Rekondensation / Verflüssigung von technischen Gasen bis 77 K
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Seminar Evakuieren und Trocknen von Kälteanlagen

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

Charakterisierung von Supraleitern in Wasserstoffatmosphäre

Sind Supraleiter wirklich mit Wasserstoff kompatibel?

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