Aktuelle Forschungsprojekte

Image Hochtemperatur Wärmepumpe
Image Ressourcenoptimierung und Beschleunigung von Strömungssimulationen mittels künstlicher Intelligenz
Image Mollier hx-Diagramm
Image Apparatur und Verfahren zur Degradationsprüfung
Image Messung Isolierverpackung
Image Praktikum, Diplom, Master, Bachelor
Image Prüfstände zur Messung der Luftleistung
Image Leistungsprüfung an Kältemittelverdichtern
Image Strahltechnikentwicklung mit Wassereis-Strahlmittel
Image Matrix-Design for Artificial Meat (MADAM)
Image Kalibrierleck für die Wasserbad Dichtheitsprüfung
Image Untersuchungen nach DIN EN ISO 14903
Image Prolatent
Image Kryoflüssigkeitspumpen für tiefkalt verflüssigte Gase wie z.B. LIN, LOX, LHe, LH2, LNG, LAr
Image Rohrgekapselte Latentwärmespeicher
Image Kryostate aus GFK oder Metall

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

Entwicklung hydrolysebeständiger Hotmelt-Klebeverbunde für Prozessluft- und Klimaanwendungen unter Einhaltung hygienischer Anforderungen

Hygienische Optimierung und Langzeitstabilisierung membranbasierter Wärme- und Stoffübertrager

Image

Intelligente innovative Stromversorgung für supraleitende Spulen

Kompakte leistungsfähige Stromversorgung mit 4-Quadrantensteller

Image

Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“

Verbesserung der hygienischen Prävention durch elektrochemische Dekontamination

Image

Wärmekraftmaschinen

Gewinnung elektrischer Energie aus Abwärme