Image Ausbeuteoptimierung im pharmazeutischen Freezing
Image Prüfstände für Kälte- und Wärmepumpentechnik
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image BIM-basiertes, autoadaptives Inbetriebnahme-Tool für die Klimatechnik
Image Prüflabor Wärmepumpen am ILK
Image Software für Prüfstände
Image Thermische Speicherung mit PCM
Image Tieftemperatur-Versuchsanlagen und Materialprüfkammern
Image Komponenten für Kältespeichersysteme
Image Filterprüfung
Image Innovative Gefriertrocknung zur Herstellung 3-dimensionaler Scaffolds
Image Industrie-4.0-Membran-Wärme-und-Stoffübertrager (i-MWÜ4.0)
Image Solare Kühlung
Image Kältemengenzähler
Image MetPCM

Sie befinden sich hier:   /  Startseite


Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen

BMWi Euronorm Innokom

01/2019–05/2021

Dr.-Ing. Thomas Oppelt

+49-351-4081-684

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

Diplom, Praktikum, Master, Bachelor

Studentische Arbeiten - Ausbildung am ILK

Image

Energieeffizienzberatung Kraft-Wärme-Kälte

Wie effizient ist meine Kälteanlage?

Image

Hybrid- Fluid für CO2-Sublimations-Kältekreislauf

Tieftemperaturkühlung mittels CO2-Sublimation

Image

Entwicklung eines schnellen Rechenverfahrens..

..für die Auslegung von Turbomaschinen basierend auf IBM


Kontakt

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


Sekretariat der Geschäftsleitung

+49-351-4081-520

+49-351-4081-525

Bild Zuse Mitglied Bild SIG