Aktuelle Forschungsprojekte

Image Kalibrierleck für die Wasserbad Dichtheitsprüfung
Image Sole (Wasser)-Wärmepumpen
Image Innovative Fertigungstechnologien für Kryosorptionssysteme
Image Druckfestigkeitsprüfung von CO2 Anlagen
Image Software für Prüfstände
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image Korrosionsinhibitor für Absorptionskälteanlagen
Image Gesamtsystemoptimierung von Kältetechnischen Alagensystemen für Energiewende und Klimaschutz
Image Innovatives Tieftemperaturkühlsystem zur Rekondensation / Verflüssigung von technischen Gasen bis 77 K
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image Thermische Kälteerzeugung / Absorptionskältetechnik
Image Thermische Speicherung mit PCM
Image 3D - Strömungssensor
Image Mikrofluidisches Expansionsventil
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa

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

Kälte-Erzeugung und Kältespeicherung

mit Nutzung der Lösungsenthalpie von Salz

Image

CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung

Entwicklung eines Sublimations-Wärmeübertragers

Image

Mikrowärmeübertrager in der Kältetechnik

3D-Fertigung von Mikrowärmeübertragern

Image

Entwicklung hydrolysebeständiger Hotmelt-Klebeverbunde für Prozessluft- und Klimaanwendungen unter Einhaltung hygienischer Anforderungen

Hygienische Optimierung und Langzeitstabilisierung membranbasierter Wärme- und Stoffübertrager

Image

Intelligente innovative Stromversorgung für supraleitende Spulen

Kompakte leistungsfähige Stromversorgung mit 4-Quadrantensteller