Aktuelle Forschungsprojekte

Image Laseroptische Strömungsmessung
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Thermische Kälteerzeugung / Absorptionskältetechnik
Image Rohrgekapselte Latentwärmespeicher
Image Tieftemperatur-Materialprüfkammer
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image ML-basierte Module für intelligente TGA-Planungssoftware
Image Thermische Speicherung mit PCM
Image Messung Isolierverpackung
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Cl.Ai.Co - Clever Air Components
Image Filterprüfungen
Image Kältemengenzähler
Image Apparatur und Verfahren zur Degradationsprüfung
Image Testzentrum PLWP am ILK

Sie befinden sich hier:  Startseite /  Forschung und Entwicklung


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 - Forschung und Entwicklung

Image

Verhalten mehrphasiger kryogener Fluide

Experimentelle und Numerische Untersuchungen

Image

Innovativer magnetbasierter Parawasserstoffkonverter

Magnetische Gasseparation der Wasserstoffisomere

Image

Pulse-Tube Kryokühler

für kryogene Hochleistungsanwendungen