Aktuelle Forschungsprojekte

Image Elektrische Auskopplung aus einer Expansionsturbine
Image Zug- und Druckprüfung
Image Wasser-Luft-Kühler-Kit für Helium Kompressoren in der Kryotechnik
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Rohrgekapselte Latentwärmespeicher
Image Abluftbehandlungsmethode zur Abscheidung von Spurenstoffen in neuen Produktionsverfahren
Image Wärmekraftmaschinen
Image Hybrid- Fluid für CO2-Sublimations-Kältekreislauf
Image Kalibrierleck für die Wasserbad Dichtheitsprüfung
Image Phasenauflösende numerische Simulation von Suspensionen
Image Untersuchungen nach DIN EN ISO 14903
Image ZeroHeatPump
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image Selbstoptimierendes Raumluftmanagementsystem
Image Prüfung mobiler Leckdetektoren nach DIN EN 14624

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

Matrix-Design for Artificial Meat (MADAM)

Wirtschaftlich konkurrenzfähige Steaks aus dem Zellkulturlabor

Image

Wetterschutzhaube mit integrierter nachhaltiger Kühlfunktion | NaKu-WSH

Nachrüstbare innovative Zuluftkühlung für dezentrale Lüftungsgeräte

Image

RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen

Intelligente Strömungsprognose für die smarte TGA-Planung