Aktuelle Forschungsprojekte

Image Software für die TGA-Planung
Image Füllmengenreduzierung
Image Kryostate aus GFK oder Metall
Image Innovativer Helium-Kleinverflüssiger
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image Entwicklung eines schnellen Rechenverfahrens..
Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Leistungsprüfung an Verflüssigungssätzen
Image Thermostatische Expansionsventile
Image Mikrowärmeübertrager in der Kältetechnik
Image Wärmeübergang in Ferro-Nanofluiden unter Magnetfeldeinfluss
Image Elektronische Multifunktionsmodule für kryogene Anwendungen
Image Bewertungsverfahren für Systeme mit Sekundärluft und Raumwirkung
Image Ressourcenoptimierung und Beschleunigung von Strömungssimulationen mittels künstlicher Intelligenz
Image Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen
Image Kalibrierung von Tieftemperatursensoren

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

Füllmengenreduzierung

Wie viel Kältemittel muss gefüllt werden?

Image

Leistungsprüfung an Verflüssigungssätzen

Wie effizient ist der Verflüssigungssatz ?

Image

Elektrische Auskopplung aus einer Expansionsturbine

Kostengünstige Umwandlung kleiner elektrischer Leistungen

Image

Zustands- und Schadensanalysen

Ist der Zustand des Kältemittelverdichters ok?

Image

Thermostatische Expansionsventile

Arbeitet das TEV eigentlich richtig?