Aktuelle Forschungsprojekte

Image Prüfung mobiler Leckdetektoren nach DIN EN 14624
Image Panel mit indirekter Verdunstungskühlung über Membran
Image Prüfstände zur Messung der Luftleistung
Image Energieeffizienzberatung Kraft-Wärme-Kälte
Image Strömungssimulation CFD
Image Selbstoptimierendes Raumluftmanagementsystem
Image Heat2Power
Image Tieftemperatur-Materialprüfkammer
Image Prüfstandsbau zur Festigkeitsprüfung und Dichtheitsprüfung
Image Software für Prüfstände
Image PerCO
Image Wärmeübergang in turbulenten Ferro-Nanofluiden unter dem Einfluss von Magnetfeldern
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Befeuchtungsanlage für hochreine Gase
Image Kryoflüssigkeitspumpen für tiefkalt verflüssigte Gase wie z.B. LIN, LOX, LHe, LH2, LNG, LAr
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

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