Aktuelle Forschungsprojekte

Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image Praktikum, Diplom, Master, Bachelor
Image Innovativer Helium-Kleinverflüssiger
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image Selbstoptimierendes Raumluftmanagementsystem
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image Lüftungsgerät mit akustischer Regelungsoption
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Strömungssimulation CFD
Image Prüfstände für Kälte- und Wärmepumpentechnik
Image Füllmengenreduzierung
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image Untersuchungen nach DIN EN ISO 14903
Image MetPCM
Image Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)

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

For(W)ing - Laufradflügel für Strömungsmaschinen

Flexible, adaptierbare Bauteile auf Basis funktionalisierter Textilien

Image

Innovativer Helium-Kleinverflüssiger

Verflüssigungsraten von 10 bis 15 l/h

Image

Wasserstoff- und Methan-Versuchsfeld am ILK

Gleichzeitig Drücke bis 1000 bar, Temperaturen bis –253°C

Image

Heliumgewinnung aus Erdgas

Innovative Lösungswege zur Heliumgewinnung