Aktuelle Forschungsprojekte

Image Tribologische Untersuchungen im System Öl-Kältemittel-Werkstoff
Image Software für Prüfstände
Image Panel mit indirekter Verdunstungskühlung über Membran
Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Heat2Power
Image Kryoflüssigkeitspumpen für tiefkalt verflüssigte Gase wie z.B. LIN, LOX, LHe, LH2, LNG, LAr
Image Thermosyphon mit in situ beschichtetem Verdampfer
Image Prüfstände zur Messung der Luftleistung
Image Verhalten mehrphasiger kryogener Fluide
Image Leistungsprüfung an Kältemittelverdichtern
Image Innovative Fertigungstechnologien für Kryosorptionssysteme
Image Sole (Wasser)-Wärmepumpen
Image Leistungsangebot Laboranalysen
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image For(W)ing - Laufradflügel für Strömungsmaschinen

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

Leistungsprüfung an Kältemittelverdichtern

Wie gut ist eigentlich der Verdichter?

Image

Thermische Kälteerzeugung / Absorptionskältetechnik

Kraft-Wärme-Kälte-Kopplung, Fernwärme, Solarthermie oder Abwärme zur Kälteerzeugung

Image

Vakuum-Flüssigeis-Technologie

Flüssigeiserzeugung durch Direktverdampfung

Image

Prüfbad-Haube

Optimiertes Haubenprüfverfahren

Image

Selbstoptimierendes Raumluftmanagementsystem

Echtzeitsimulation von Raumströmungen