Aktuelle Forschungsprojekte

Image Zustands- und Schadensanalysen
Image Mikrowärmeübertrager in der Kältetechnik
Image Solare Kühlung
Image Wasser-Luft-Kühler-Kit für Helium Kompressoren in der Kryotechnik
Image Mollier hx-Diagramm
Image Nichtinvasive Strömungsmessung
Image Untersuchungen nach DIN EN ISO 14903
Image Filterprüfungen
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image Modulares Speichersystem für solare Kühlung
Image Rauscharme, nichtmetallische Flüssig-Heliumkryostate
Image Prüfbad-Haube
Image Heliumgewinnung aus Erdgas
Image Aktives Schichtladesystem für Kaltwasserpufferspeicher
Image Mikrofluidisches Expansionsventil

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

Prüfverfahren für Außenluftfilter

Bewertung von biologisch aktiven Außenluftfiltern

Image

Strömungssimulation CFD

Wissenschaftliche Untersuchung von Strömungen

Image

Textiler Wärme- und Stoffübertrager in KVS-Systemen

Enthalpierückgewinnung zwischen örtlich getrennten Luftströmen

Image

Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)

Preisgünstige Kryokonservierung biologischer Proben

Image

Dynamische Gebäude- und Anlagensimulation mit TRNSYS

Wissenschaftliche Analyse thermodynamischer Prozesse in Gebäuden und Anlagen