Aktuelle Forschungsprojekte

Image Industrie-4.0-Membran-Wärme-und-Stoffübertrager (i-MWÜ4.0)
Image ML-basierte Module für intelligente TGA-Planungssoftware
Image Untersuchungen von Werkstoffen
Image Leistungsmessung an Wärmeübertragern
Image Charakterisierung von Supraleitern in Wasserstoffatmosphäre
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image Verbundvorhaben Öl-Effiziente Kältesysteme – Schmierstoffwahl für Kälteanlagen unter dem Gesichtspunkt der Energieeffizienz
Image Tieftemperatur-Messdienstleistungen
Image Gesamtsystemoptimierung von Kältetechnischen Alagensystemen für Energiewende und Klimaschutz
Image Hybrid- Fluid für CO2-Sublimations-Kältekreislauf
Image Cool Up
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image For(W)ing - Laufradflügel für Strömungsmaschinen
Image Automatisierte Gasschleife
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa
Image Heliumgewinnung aus Erdgas

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

Filterprüfung

Prüfverfahren und Prüfvorrichtung für ABEK Filterelemente

Image

Nachweis der Lagerbeständigkeit von Kryoröhrchen

Künstliche Alterung der Primärpackmittel für Biobankinganwendungen

Image

Leistungsmessung an Wärmeübertragern

Wärmeübertrager korrekt dimensioniert?

Image

MetPCM

Metallverkapselte Hochtemper PCM

Image

Untersuchungen an Deckenkühlgeräten

Leistungsmessungen im Vergleich