Aktuelle Forschungsprojekte

Image Aktives Schichtladesystem für Kaltwasserpufferspeicher
Image Filterprüfung
Image Drallfrei unterwegs...
Image Massenspektrometer
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image Tieftemperatur-Messdienstleistungen
Image Hochtemperatur Wärmepumpe
Image Panel mit indirekter Verdunstungskühlung über Membran
Image Mollier hx-Diagramm
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image Untersuchungen von Werkstoffen
Image Hybrid- Fluid für CO2-Sublimations-Kältekreislauf
Image Zustands- und Schadensanalysen
Image Elektrische Auskopplung aus einer Expansionsturbine

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

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

Image

Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“

Verbesserung der hygienischen Prävention durch elektrochemische Dekontamination

Image

Wärmekraftmaschinen

Gewinnung elektrischer Energie aus Abwärme