Aktuelle Forschungsprojekte

Image Thermische Speicherung mit PCM
Image Verhalten mehrphasiger kryogener Fluide
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image Leistungsprüfung an Kältemittelverdichtern
Image Leistungsangebot der Lecksuche und Dichtheitsprüfung
Image Leistungsmessung an Wärmeübertragern
Image RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen
Image Seminar Evakuieren und Trocknen von Kälteanlagen
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Kälte-Erzeugung und Kältespeicherung
Image Prüfverfahren für elektrische Komponenten
Image Hybrid- Fluid für CO2-Sublimations-Kältekreislauf
Image Selbstoptimierendes Raumluftmanagementsystem
Image Innovative Fertigungstechnologien für Kryosorptionssysteme
Image Hochtemperatur Wärmepumpe
Image Zustands- und Schadensanalysen

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

Nichtinvasive Strömungsmessung

PDPA - Strömungsfelder und Partikelgrößen

Image

Praktikum, Diplom, Master, Bachelor

Studentische Arbeiten - Ausbildung am ILK

Image

Thermische Speicherung mit PCM

Von der Speicheraufgabe zur Anwendung

Image

Kryostate aus GFK oder Metall

Lageunabhängig, nicht-metallisch, hohe Standzeit für flüssig Stickstoff und flüssig Helium

Image

Rauscharme, nichtmetallische Flüssig-Heliumkryostate

Magnetisch rauscharm für z.B. SQUID-Anwendungen