Aktuelle Forschungsprojekte

Image Software für Prüfstände
Image Pulse-Tube Kryokühler
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Lüftungsgerät mit akustischer Regelungsoption
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Wärmeübergang in turbulenten Ferro-Nanofluiden unter dem Einfluss von Magnetfeldern
Image Prüfstände für Kälte- und Wärmepumpentechnik
Image Filterprüfung
Image Selbstoptimierendes Raumluftmanagementsystem
Image Prüfbad-Haube
Image Kalibrierung von Tieftemperatursensoren
Image Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen
Image Untersuchungen nach DIN EN ISO 14903
Image All-In-One Gerät für Gefriertrocknung und Biomaterialherstellung
Image Controlled Rate Freezing-Gerät für Multiwellplatten (CRF-Multi)
Image Solare Kühlung

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

Nichtinvasive Strömungsmessung

PDPA - Strömungsfelder und Partikelgrößen

Image

Praktikum, Diplom, Master, Bachelor

Studentische Arbeiten - Ausbildung am ILK

Image

Thermische Speicherung mit PCM

Von der Speicheraufgabe zur Anwendung

Image

Kryostate aus GFK oder Metall

Lageunabhängig, nicht-metallisch, hohe Standzeit für flüssig Stickstoff und flüssig Helium