Aktuelle Forschungsprojekte

Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image Pulse-Tube-Kühler mit Hermetikverdichterantrieb
Image ML-basierte Module für intelligente TGA-Planungssoftware
Image Filterprüfungen
Image Automatisierte Gasschleife
Image Bewertungsverfahren für Systeme mit Sekundärluft und Raumwirkung
Image Praktikum, Diplom, Master, Bachelor
Image Tieftemperatur-Materialprüfkammer
Image Leistungsangebot Laboranalysen
Image Schalldämpfer mit integrierten Abgaswärmeübertrager
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Testzentrum PLWP am ILK
Image Prüfverfahren für Außenluftfilter
Image Intelligente innovative Stromversorgung für supraleitende Spulen
Image Charakterisierung von Supraleitern in Wasserstoffatmosphäre
Image Elektrische Auskopplung aus einer Expansionsturbine

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

Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“

Verbesserung der hygienischen Prävention durch elektrochemische Dekontamination

Image

Wärmekraftmaschinen

Gewinnung elektrischer Energie aus Abwärme

Image

Elektrische Komponenten in Kältekreisläufen

Hochspannungsprüfungen unter Realbedingungen

Image

PerCO

Herstellung neuartiger Sperrschichten an elastomeren Dichtungsmaterialien zur Verminderung der Permeation des Kältemittels R744 (CO2)