Aktuelle Forschungsprojekte

Image Energieeffizienzberatung Kraft-Wärme-Kälte
Image Elektrische Auskopplung aus einer Expansionsturbine
Image Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen
Image Kalibrierung von Tieftemperatursensoren
Image Entwicklung eines kryogenen magnetbasierten Luftzerlegers
Image Innovativer Helium-Kleinverflüssiger
Image Pulse-Tube-Kühler mit Hermetikverdichterantrieb
Image Verbundvorhaben Öl-Effiziente Kältesysteme – Schmierstoffwahl für Kälteanlagen unter dem Gesichtspunkt der Energieeffizienz
Image Automatisierte Gasschleife
Image Luft-Wasser Wärmepumpen
Image Elektrochemische Dekontamination leitfähiger Oberflächen „EDeKo II“
Image Laseroptische Strömungsmessung
Image CO2-Trockeneis-Sublimation zur Tieftemperaturkühlung
Image Zertifizierung von effizienten Klima- und Lüftungsanlagen durch das neue „Qualitätssiegel Raumlufttechnik“ für Nichtwohngebäude
Image Mikrowärmeübertrager in der Kältetechnik
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen

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

Innovativer Helium-Kleinverflüssiger

Verflüssigungsraten von 10 bis 15 l/h

Image

Wasserstoff- und Methan-Versuchsfeld am ILK

Gleichzeitig Drücke bis 1000 bar, Temperaturen bis –253°C

Image

Heliumgewinnung aus Erdgas

Innovative Lösungswege zur Heliumgewinnung

Image

Mikrofluidisches Expansionsventil

zur Erhöhung der Energieeffizienz von Klein- und Kompaktkältegeräten