Aktuelle Forschungsprojekte

Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Phasenauflösende numerische Simulation von Suspensionen
Image 3D - Strömungssensor
Image Luft-Wasser Wärmepumpen
Image ZeroHeatPump
Image Drallfrei unterwegs...
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image Strahltechnikentwicklung mit Wassereis-Strahlmittel
Image Lebensdauerprognose von Hermetikverdichtersystemen
Image Aktives Schichtladesystem für Kaltwasserpufferspeicher
Image Kalibrierung von Tieftemperatursensoren
Image Abluftbehandlungsmethode zur Abscheidung von Spurenstoffen in neuen Produktionsverfahren
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Prüfverfahren und Prüfvorrichtungen für ABEK Filterelemente

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

CaptureTest – Erfassungsgrad von Absaugern für Kochdünste

Entwicklung eines Prüfverfahrens für den Erfassungsgrad von Dunstabzügen

Image

Neues sorptives Entfeuchtungssystem mit Energiespeicherung mit Naturmaterial - SEENaM

Lufttrocknung als Demand-Response-System grüner Stromerzeugung

Image

Strahltechnikentwicklung mit Wassereis-Strahlmittel

Nachhaltiger, kontaminationsfreier Prozess für Medizin und Industrie

Image

StellarHeal – Wound Healing in Space and on Earth

Ein disruptives Wundbehandlungskonzept für die Raumfahrtmedizin