Aktuelle Forschungsprojekte

Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Leistungsangebot Laboranalysen
Image Luft-Wasser Wärmepumpen
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Gesamtsystemoptimierung von Kältetechnischen Anlagensystemen für Energiewende und Klimaschutz
Image Wärmeübergang in turbulenten Ferro-Nanofluiden unter dem Einfluss von Magnetfeldern
Image Tieftemperaturtribologie
Image Photometrisches Messverfahren zur Bestimmung der Luftwechselrate in Innenräumen - IO-Scan
Image Sole (Wasser)-Wärmepumpen
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image Untersuchung von Kühlsolen
Image Heat2Power
Image Prolatent

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

Matrix-Design for Artificial Meat (MADAM)

Wirtschaftlich konkurrenzfähige Steaks aus dem Zellkulturlabor

Image

Wetterschutzhaube mit integrierter nachhaltiger Kühlfunktion | NaKu-WSH

Nachrüstbare innovative Zuluftkühlung für dezentrale Lüftungsgeräte

Image

RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen

Intelligente Strömungsprognose für die smarte TGA-Planung