Aktuelle Forschungsprojekte

Dynamische Gebäude- und Anlagensimulation mit TRNSYS

Hochtemperatur Wärmepumpe

Prüfstände für Kälte- und Wärmepumpentechnik

Leistungsangebot Laboranalysen

Charakterisierung von Supraleitern in Wasserstoffatmosphäre

Messung Isolierverpackung

Initiierung eines Lithiumkreislaufes – Recycling von Lithiumbromidlösungen aus Absorptionskälteanlagen (ReLiA)

Nachweis der Lagerbeständigkeit von Kryoröhrchen

Mikrofluidisches Expansionsventil

Befeuchtungsanlage für hochreine Gase

Akustik und Schwingungen

Entwicklung eines kryogenen magnetbasierten Luftzerlegers

Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen

Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“

Prüfverfahren für elektrische Komponenten

Cool Up

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

E-Mail senden

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