Aktuelle Forschungsprojekte

Image Innovative Fertigungstechnologien für Kryosorptionssysteme
Image Tieftemperatur-Messdienstleistungen
Image Cool Up
Image Numerische und Experimentelle Untersuchung zum Gefährdungspotential durch SARS-CoV-2 in klimatisierten Räumen
Image Thermische Kälteerzeugung / Absorptionskältetechnik
Image Befeuchtungsanlage für hochreine Gase
Image Heliumgewinnung aus Erdgas
Image Filterprüfung
Image In-Situ-Untersuchungen zum Quellverhalten von Polymerwerkstoffen unter erhöhten Drücken und Temperaturen
Image Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo
Image Elektrische Auskopplung aus einer Expansionsturbine
Image Wärmeübergang in turbulenten Ferro-Nanofluiden unter dem Einfluss von Magnetfeldern
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image Leistungsangebot der Lecksuche und Dichtheitsprüfung

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

Tieftemperatur-Materialprüfkammer

Temperaturwechseltests für Bauteile bei extrem tiefen Temperaturen

Image

Ultradichte Kryoröhrchen als neuartige Primärpackmittel - Ultrakryo

Minimierung der Kontamination bei der kryogenen Lagerung biologischer Proben

Image

Apparatur und Verfahren zur Degradationsprüfung

Auslegung von Prüfverfahren für biologisch abbaubare Medizinprodukte