Aktuelle Forschungsprojekte

Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image MetPCM
Image Stoffdatenmodule
Image Beladungssensor für Adsorptionsfilter
Image ZeroHeatPump
Image Ionokalorische Kälteerzeugung
Image Heat2Power
Image Solare Kühlung
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image Mollier hx-Diagramm
Image Befeuchtungsanlage für hochreine Gase
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Verbundvorhaben Öl-Effiziente Kältesysteme – Schmierstoffwahl für Kälteanlagen unter dem Gesichtspunkt der Energieeffizienz
Image Rauscharme, nichtmetallische Flüssig-Heliumkryostate
Image Untersuchungen nach DIN EN ISO 14903
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen

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

Solare Kühlung

Solare Kühlung mit Photovoltaik

Image

Prüfverfahren für elektrische Komponenten

Isolationseigenschaften von Hermetikverdichtern

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