Aktuelle Forschungsprojekte

Image Untersuchung von Kühlsolen
Image Kälte-Erzeugung und Kältespeicherung
Image Zug- und Druckprüfung
Image ZeroHeatPump
Image Untersuchungen an Deckenkühlgeräten
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Ionokalorische Kälteerzeugung
Image Kryoflüssigkeitspumpen für tiefkalt verflüssigte Gase wie z.B. LIN, LOX, LHe, LH2, LNG, LAr
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image Leistungsangebot Laboranalysen
Image Software für Prüfstände
Image Tieftemperaturtribologie
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image Untersuchungen von Werkstoffen
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801

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

Pulse-Tube Kryokühler

für kryogene Hochleistungsanwendungen

Image

Pulse-Tube-Kühler mit Hermetikverdichterantrieb

mobil einsetzbar u.a. für die Wasserstofftechnologie

Image

Tieftemperaturtribologie

Tribologische Untersuchungen bei kryogenen Temperaturen

Image

Cl.Ai.Co - Clever Air Components

Entwicklung eines innovativen Systems für eine energieeffiziente Gebäudeklimatisierung

Image

For(W)ing - Laufradflügel für Strömungsmaschinen

Flexible, adaptierbare Bauteile auf Basis funktionalisierter Textilien