Aktuelle Forschungsprojekte

Image Wärmeübergang in turbulenten Ferro-Nanofluiden unter dem Einfluss von Magnetfeldern
Image Untersuchungen von Werkstoffen
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image Hochtemperatur Wärmepumpe
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Wärmeübergang in Ferro-Nanofluiden unter Magnetfeldeinfluss
Image Kryoflüssigkeitspumpen für tiefkalt verflüssigte Gase wie z.B. LIN, LOX, LHe, LH2, LNG, LAr
Image Cl.Ai.Co - Clever Air Components
Image Photometrisches Messverfahren zur Bestimmung der Luftwechselrate in Innenräumen - IO-Scan
Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image Befeuchtungsanlage für hochreine Gase
Image In-Situ-Quellverhalten von Polymeren in brennbaren Fluiden
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Solare Kühlung
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung

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