Aktuelle Forschungsprojekte

Image Mikrowärmeübertrager in der Kältetechnik
Image Heat2Power
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image Testzentrum PLWP am ILK
Image Leistungsmessung an Wärmeübertragern
Image Panel mit indirekter Verdunstungskühlung über Membran
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image MetPCM
Image Prüfverfahren für Außenluftfilter
Image Cl.Ai.Co - Clever Air Components
Image Innovatives Tieftemperaturkühlsystem zur Rekondensation / Verflüssigung von technischen Gasen bis 77 K
Image Pulse-Tube-Kühler mit Hermetikverdichterantrieb
Image Schalldämpfer mit integrierten Abgaswärmeübertrager
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image Software für Prüfstände
Image Korrosionsinhibitor für Absorptionskälteanlagen

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

Innovativer magnetbasierter Parawasserstoffkonverter

Magnetische Gasseparation der Wasserstoffisomere

Image

Pulse-Tube Kryokühler

für kryogene Hochleistungsanwendungen

Image

Pulse-Tube-Kühler mit Hermetikverdichterantrieb

mobil einsetzbar u.a. für die Wasserstofftechnologie

Image

Tieftemperaturtribologie

Tribologische Untersuchungen bei kryogenen Temperaturen