Aktuelle Forschungsprojekte

Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Akustik und Schwingungen
Image Tieftemperatur-Materialprüfkammer
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Selbstoptimierendes Raumluftmanagementsystem
Image Testzentrum PLWP am ILK
Image Praktikum, Diplom, Master, Bachelor
Image Untersuchungen an Deckenkühlgeräten
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image Luft-Wasser Wärmepumpen
Image CO₂ GASHYDRATE FÜR NACHHALTIGE ENERGIE- UND KÜHLLÖSUNGEN
Image Prüfverfahren und Prüfvorrichtungen für ABEK Filterelemente
Image Leistungsmessung an Wärmeübertragern
Image Filterprüfungen
Image Prüfstände zur Messung der Luftleistung

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

ZeroHeatPump

Leistungsführung von Klein-Wärmepumpen ohne Energieverbrauch

Image

KLAR

Klassenraumlüftung akustikbasiert regeln