Aktuelle Forschungsprojekte

Image Zertifizierung von effizienten Klima- und Lüftungsanlagen durch das neue „Qualitätssiegel Raumlufttechnik“ für Nichtwohngebäude
Image Ionokalorische Kälteerzeugung
Image Primäre Lärmreduktion an Ventilatoren
Image Gesamtsystemoptimierung von Kältetechnischen Anlagensystemen für Energiewende und Klimaschutz
Image Software für die TGA-Planung
Image Elektronische Multifunktionsmodule für kryogene Anwendungen
Image Rauscharme, nichtmetallische Flüssig-Heliumkryostate
Image Laseroptische Strömungsmessung
Image Entwicklung und Erprobung des Einsatzes von Phasenwechselmaterialien an WEMS (Window Energy Management Systems)
Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Wärmekraftmaschinen
Image Wetterschutzhaube mit integrierter nachhaltiger Kühlfunktion | NaKu-WSH
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image CFE-Test Dunstabzugshauben
Image Entwicklung eines schnellen Rechenverfahrens..
Image Schalldämpfer mit integrierten Abgaswärmeübertrager

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

Heliumgewinnung aus Erdgas

Innovative Lösungswege zur Heliumgewinnung

Image

Mikrofluidisches Expansionsventil

zur Erhöhung der Energieeffizienz von Klein- und Kompaktkältegeräten

Image

Zertifizierbare Verbindungsarten in der Kryotechnik

Lösbare und unlösbare Verbindungen, Stoffschluss / Formschluss / Kraftschluss

Image

Korrosionsinhibitor für Absorptionskälteanlagen

Chromatfreie Inhibitoren für LiBr-AKA

Image