Aktuelle Forschungsprojekte

Image Pulse-Tube Kryokühler
Image Lüftungsgerät mit akustischer Regelungsoption
Image Zug- und Druckprüfung
Image Ionokalorische Kälteerzeugung
Image Leistungsmessung an Wärmeübertragern
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image PerCO
Image Thermostatische Expansionsventile
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image 3D - Strömungssensor
Image Elektrische Komponenten in Kältekreisläufen
Image Untersuchungen an Deckenkühlgeräten
Image Laseroptische Strömungsmessung
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Testzentrum PLWP am ILK
Image Chemische Wasserbinder/Enteiser für Kältekreisläufe - CheWa

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

Dynamische Gebäude- und Anlagensimulation mit TRNSYS

Wissenschaftliche Analyse thermodynamischer Prozesse in Gebäuden und Anlagen

Image

Elektronische Multifunktionsmodule für kryogene Anwendungen

Elektronik mit geringem Verkabelungsaufwand - mehr als 100 Sensoren über eine Durchführung

Image