Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Kältemittel- und Kältemaschinenöl-Untersuchungen
Image Kalibrierung von Tieftemperatursensoren
Image Heliumgewinnung aus Erdgas
Image Tieftemperatur-Messdienstleistungen
Image Evakuieren und Trocknen von Kälteanlagen
Image Kryoflüssigkeitspumpen für tiefkalt verflüssigte Gase wie z.B. LIN, LOX, LHe, LH2, LNG, LAr
Image Energieeffizienzberatung Kraft-Wärme-Kälte
Image Laseroptische Strömungsmessung
Image Testzentrum PLWP am ILK
Image Heat2Power
Image Selbstoptimierendes Raumluftmanagementsystem
Image Lecksuche / Dichtheitsprüfung in der Kältetechnik
Image Mikrofluidisches Expansionsventil
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)

Sie befinden sich hier:   /  Startseite


Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen

BMWi Euronorm Innokom

01/2019–05/2021

Dr.-Ing. Thomas Oppelt

+49-351-4081-684

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

Software für die TGA-Planung

Auslegung Kühllast und Jahressimulation (VDI 2078, VDI 6007, VDI 6020)

Image

Untersuchungen von Werkstoffen

Kompatibilität und tribologische Untersuchungen mit Kältemitteln, Ölen und Kühlsolen

Image

Lebensdauerprognose von Hermetikverdichtersystemen

Teilentladungen in Motorwicklungen

Image

Heat2Power

Veredlung der Abwärme von Brennstoffzellen


Kontakt

Institut für Luft- und Kältetechnik - Gemeinnützige Gesellschaft mbH
Bertolt-Brecht-Allee 20, 01309 Dresden


Sekretariat der Geschäftsleitung

+49-351-4081-520

+49-351-4081-525

Bild ISO 9001
Bild Zuse Mitglied Bild SIG