Aktuelle Forschungsprojekte

Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze

Magnetfeldbeeinflusster Schmelzpunkt des Wassers

CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung

Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung

Thermosyphon mit in situ beschichtetem Verdampfer

Korrosionsinhibitor für Absorptionskälteanlagen

Tribologische Untersuchungen im System Öl-Kältemittel-Werkstoff

Cool Up

Nichtinvasive Strömungsmessung

Schalldämpfer mit integrierten Abgaswärmeübertrager

CaptureTest – Erfassungsgrad von Absaugern für Kochdünste

Mollier hx-Diagramm

Leistungsangebot der Lecksuche und Dichtheitsprüfung

Ressourcenoptimierung und Beschleunigung von Strömungssimulationen mittels künstlicher Intelligenz

Kälte-Erzeugung und Kältespeicherung

Wasserstoff- und Methan-Versuchsfeld am ILK

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

E-Mail senden

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