Aktuelle Forschungsprojekte

Image Entwicklung von Handlungsempfehlungen für praxisgerechte Lüftungskonzepte und Entwicklung eines CO2-Berechnungstools
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image Entwicklung eines kryogenen magnetbasierten Luftzerlegers
Image Thermische Kälteerzeugung / Absorptionskältetechnik
Image Drallfrei unterwegs...
Image Tribologische Untersuchungen im System Öl-Kältemittel-Werkstoff
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image Entwicklung hydrolysebeständiger Hotmelt-Klebeverbunde für Prozessluft- und Klimaanwendungen unter Einhaltung hygienischer Anforderungen
Image Kalibrierung von Tieftemperatursensoren
Image Kryoflüssigkeitspumpen für tiefkalt verflüssigte Gase wie z.B. LIN, LOX, LHe, LH2, LNG, LAr
Image Prüfbad-Haube
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image ML-basierte Module für intelligente TGA-Planungssoftware
Image Prüfstände für Kälte- und Wärmepumpentechnik
Image Software für die TGA-Planung
Image Intelligente innovative Stromversorgung für supraleitende Spulen

Sie befinden sich hier:  Startseite /  Softwareentwicklung


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 - Softwareentwicklung

Image

Füllmengenreduzierung

Wie viel Kältemittel muss gefüllt werden?

Image

Selbstoptimierendes Raumluftmanagementsystem

Echtzeitsimulation von Raumströmungen

Image

Entwicklung eines schnellen Rechenverfahrens..

..für die Auslegung von Turbomaschinen basierend auf IBM

Image

Stoffdatenmodule

Stoffdatensoftware für Kältemittel