Aktuelle Forschungsprojekte

Image Phasenauflösende numerische Simulation von Suspensionen
Image Praktikum, Diplom, Master, Bachelor
Image Leistungsangebot der Lecksuche und Dichtheitsprüfung
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Leistungsangebot Laboranalysen
Image Pulse-Tube-Kühler mit Hermetikverdichterantrieb
Image Hochtemperatur - Korrosionsinhibitoren zur Sicherung der Erweiterung des Anwendungsbereiches Abwärme nutzender Kälteerzeugung
Image Thermosyphon mit in situ beschichtetem Verdampfer
Image Luft-Wasser Wärmepumpen
Image Elektrische Auskopplung aus einer Expansionsturbine
Image Wasser-Luft-Kühler-Kit für Helium Kompressoren in der Kryotechnik
Image Photometrisches Messverfahren zur Bestimmung der Luftwechselrate in Innenräumen - IO-Scan
Image Seminar Lecksuche / Dichtheitsprüfung in der Kältetechnik
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image CO₂ GASHYDRATE FÜR NACHHALTIGE ENERGIE- UND KÜHLLÖSUNGEN
Image Stoffdatenmodule

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

Sole (Wasser)-Wärmepumpen

Prüfungen nach EN 14511 und 14825

Image

Software für Prüfstände

Individuelle Software für komplexe Prüfungen und Auswertungen

Image

Hochtemperatur Wärmepumpe

Abwärme von Industrieprozessen nutzen

Image

Kälte-Erzeugung und Kältespeicherung

mit Nutzung der Lösungsenthalpie von Salz

Image

CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung

Entwicklung eines Sublimations-Wärmeübertragers