Aktuelle Forschungsprojekte

Image Schalldämpfer mit integrierten Abgaswärmeübertrager
Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Prüfung mobiler Leckdetektoren nach DIN EN 14624
Image Thermische Speicherung mit PCM
Image Hybrid- Fluid für CO2-Sublimations-Kältekreislauf
Image Magnetfeldbeeinflusster Schmelzpunkt des Wassers
Image Ionokalorische Kälteerzeugung
Image Mollier hx-Diagramm
Image Prolatent
Image All-In-One Gerät für Gefriertrocknung und Biomaterialherstellung
Image Textiler Wärme- und Stoffübertrager in KVS-Systemen
Image Untersuchung von materialabhängigen Parametern
Image Charakterisierung von Supraleitern in Wasserstoffatmosphäre
Image Untersuchung von Kühlsolen
Image Untersuchungen nach DIN EN ISO 14903
Image Filterprüfungen

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

Energieeffizienzberatung Kraft-Wärme-Kälte

Wie effizient ist meine Kälteanlage?

Image

Hybrid- Fluid für CO2-Sublimations-Kältekreislauf

Tieftemperaturkühlung mittels CO2-Sublimation

Image

Kältemengenzähler

Der schnelle Weg zur Kälteleistung

Image

Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen

Klimasysteme intelligent regeln – hoher Komfort bei niedrigem Energiebedarf

Image

Prolatent

Innovative Prozesswärmespeicher mit org. PCMs