Aktuelle Forschungsprojekte

Image Primäre Lärmreduktion an Ventilatoren
Image Testzentrum PLWP am ILK
Image Kryoflüssigkeitspumpen für tiefkalt verflüssigte Gase wie z.B. LIN, LOX, LHe, LH2, LNG, LAr
Image ML-basierte Module für intelligente TGA-Planungssoftware
Image Software für Prüfstände
Image Dynamische Gebäude- und Anlagensimulation mit TRNSYS
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Massenspektrometer
Image Solare Kühlung
Image Panel mit indirekter Verdunstungskühlung über Membran
Image Pulse-Tube-Kühler mit Hermetikverdichterantrieb
Image Hybrid- Fluid für CO2-Sublimations-Kältekreislauf
Image Tieftemperatur-Messdienstleistungen
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Elektrische Auskopplung aus einer Expansionsturbine
Image MetPCM

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

Primäre Lärmreduktion an Ventilatoren

...mit numerischen und experimentellen Methoden an einem gegenläufigen Axialventilator

Image

Industrie-4.0-Membran-Wärme-und-Stoffübertrager (i-MWÜ4.0)

Vernetzung des gesamten Lebenszyklus einer multifunktionalen RLT-Komponente

Image

3D - Strömungssensor

Anemometer für 3-dimensionale Strömungsmessung

Image

Automatisierte Gasschleife

Füllmengenreduktion für Kältemittel