Aktuelle Forschungsprojekte

Image Heat2Power
Image Solare Kühlung
Image Untersuchung von Kühlsolen
Image Tribologische Untersuchungen im System Öl-Kältemittel-Werkstoff
Image Drallfrei unterwegs...
Image Testzentrum PLWP am ILK
Image Tieftemperaturtribologie
Image KLAR
Image Nichtinvasive Strömungsmessung
Image Korrosionsinhibitor für Ammoniak-Absorptions-Anlagen
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Primäre Lärmreduktion an Ventilatoren
Image Photometrisches Messverfahren zur Bestimmung der Luftwechselrate in Innenräumen - IO-Scan
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image Apparatur und Verfahren zur Degradationsprüfung
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen

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

Wasser-Luft-Kühler-Kit für Helium Kompressoren in der Kryotechnik

autarker Betrieb wassergekühlter Kompressoren mittels add-on

Image

Innovativer magnetbasierter Parawasserstoffkonverter

Magnetische Gasseparation der Wasserstoffisomere

Image

Pulse-Tube Kryokühler

für kryogene Hochleistungsanwendungen