Aktuelle Forschungsprojekte

Image Automatisierte Gasschleife
Image Prüfung mobiler Leckdetektoren nach DIN EN 14624
Image Mollier hx-Diagramm
Image Selbstoptimierendes Raumluftmanagementsystem
Image Elektrische Komponenten in Kältekreisläufen
Image Verhalten mehrphasiger kryogener Fluide
Image Rohrgekapselte Latentwärmespeicher
Image Solare Kühlung
Image Sole (Wasser)-Wärmepumpen
Image Software für Prüfstände
Image Beladungssensor für Adsorptionsfilter
Image Lebensdauerprognose von Hermetikverdichtersystemen
Image Leistungsangebot der Lecksuche und Dichtheitsprüfung
Image Industrie-4.0-Membran-Wärme-und-Stoffübertrager (i-MWÜ4.0)
Image Mikrofluidisches Expansionsventil
Image Kälte-Erzeugung und Kältespeicherung

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

Prüfstände zur Messung der Luftleistung

Messung von Volumenstrom und Widerstandskennlinien

Image

Prüfverfahren und Prüfvorrichtungen für ABEK Filterelemente

Bewertung von Filtersystemen für Fahrerkabinen

Image

Nachweis der Lagerbeständigkeit von Kryoröhrchen

Künstliche Alterung der Primärpackmittel für Biobankinganwendungen

Image

Leistungsmessung an Wärmeübertragern

Wärmeübertrager korrekt dimensioniert?

Image

MetPCM

Metallverkapselte Hochtemper PCM