Aktuelle Forschungsprojekte

Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Intelligente innovative Stromversorgung für supraleitende Spulen
Image Prüfung mobiler Leckdetektoren nach DIN EN 14624
Image Panel mit indirekter Verdunstungskühlung über Membran
Image GESAMTSYSTEMOPTIMIERUNG VON KÄLTETECHNISCHEN ANLAGENSYSTEMEN FÜR ENERGIEWENDE UND KLIMASCHUTZ
Image Cool Up
Image Seminar Lecksuche / Dichtheitsprüfung in der Kältetechnik
Image Praktikum, Diplom, Master, Bachelor
Image Testzentrum PLWP am ILK
Image Kälte-Erzeugung und Kältespeicherung
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image Kryostate aus GFK oder Metall
Image Filterprüfungen
Image Tieftemperatur-Materialprüfkammer
Image IO-Scan – Integral messendes Optisches Scanverfahren

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
Image

Verhalten mehrphasiger kryogener Fluide

Experimentelle und Numerische Untersuchungen

Image

Wasser-Luft-Kühler-Kit für Helium Kompressoren in der Kryotechnik

autarker Betrieb wassergekühlter Kompressoren mittels add-on