Aktuelle Forschungsprojekte

Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Lüftungsgerät mit akustischer Regelungsoption
Image Reduktion der Schallemission von Darrieus-Windturbinen
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image Füllmengenreduzierung
Image Leistungsangebot der Lecksuche und Dichtheitsprüfung
Image Seminar Evakuieren und Trocknen von Kälteanlagen
Image ZeroHeatPump
Image Seminar Lecksuche / Dichtheitsprüfung in der Kältetechnik
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image Entwicklung eines schnellen Rechenverfahrens..
Image Elektrische Komponenten in Kältekreisläufen
Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Befeuchtungsanlage für hochreine Gase
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen

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

Innovativer Helium-Kleinverflüssiger

Verflüssigungsraten von 10 bis 15 l/h

Image

Wasserstoff- und Methan-Versuchsfeld am ILK

Gleichzeitig Drücke bis 1000 bar, Temperaturen bis –253°C

Image

Heliumgewinnung aus Erdgas

Innovative Lösungswege zur Heliumgewinnung

Image

Mikrofluidisches Expansionsventil

zur Erhöhung der Energieeffizienz von Klein- und Kompaktkältegeräten

Image

Zertifizierbare Verbindungsarten in der Kryotechnik

Lösbare und unlösbare Verbindungen, Stoffschluss / Formschluss / Kraftschluss