Aktuelle Forschungsprojekte

Image Akustik und Schwingungen
Image Intelligente innovative Stromversorgung für supraleitende Spulen
Image Prüfverfahren für Hochtemperaturewärmepumpen-Öle
Image Energieeffizienzberatung Kraft-Wärme-Kälte
Image Software für Prüfstände
Image Prüfstände zur Messung der Luftleistung
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Laseroptische Strömungsmessung
Image Platz-integrierte Sekundärluft-Aufbereitung
Image 3D - Strömungssensor
Image In-Situ-Quellverhalten von Polymeren in brennbaren Fluiden
Image Leistungsangebot der Lecksuche und Dichtheitsprüfung
Image All-In-One Gerät für Gefriertrocknung und Biomaterialherstellung
Image Thermische Speicherung mit PCM
Image Strömungssimulation CFD
Image Zug- und Druckprüfung

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

Software für Prüfstände

Individuelle Software für komplexe Prüfungen und Auswertungen

Image

Hochtemperatur Wärmepumpe

Abwärme von Industrieprozessen nutzen

Image

Kälte-Erzeugung und Kältespeicherung

mit Nutzung der Lösungsenthalpie von Salz

Image

CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung

Entwicklung eines Sublimations-Wärmeübertragers

Image

Mikrowärmeübertrager in der Kältetechnik

3D-Fertigung von Mikrowärmeübertragern