Aktuelle Forschungsprojekte

Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Leistungsmessung an Wärmeübertragern
Image Thermische Kälteerzeugung / Absorptionskältetechnik
Image Intelligente innovative Stromversorgung für supraleitende Spulen
Image Prüfverfahren zur dynamischen Alterung von Werkstoffen
Image Prüfstände für Kälte- und Wärmepumpentechnik
Image Panel mit indirekter Verdunstungskühlung über Membran
Image Verhalten mehrphasiger kryogener Fluide
Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Kryostate aus GFK oder Metall
Image Reduzierung der Expansionsverluste von Kälteanlagen
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Druckfestigkeitsprüfung von CO2 Anlagen
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image Cool Up
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)

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

Untersuchung von Kühlsolen

Arbeitsstoffdaten für Sekundärkreisläufe

Image
Image

Füllmengenreduzierung

Wie viel Kältemittel muss gefüllt werden?