Verbundvorhaben: GOKAS - Gesamtsystemoptimierung von kältetechnischen Anlagensystemen für Energiewende und Klimaschutz; Teilvorhaben: Digitaler Zwilling zur ML-basierten Optimierung des technischen Gebäudebetriebs
Zeitraum
2021-03-01 – 2025-02-28
Bewilligte Summe
526.422,00 EUR
Ausführende Stelle
Förderkennzeichen
03EN6003C
Leistungsplansystematik
Energieeffiziente Kältenutzung [EA4310]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN6)
Förderprogramm
Energie
Für energieoptimierte und klimaneutrale Gebäude, für deren effiziente und wirtschaftliche Betriebsführung sowie für die Integration von erneuerbaren Energien sind smarte Monitoring- und Energiemanagementsysteme sowie Strategien zur verbesserten Automatisierung und Betriebsführung eine zwingende Voraussetzung. Ebenso die Einbindung von unterschiedlichen Energieerzeugern und Energienutzern und die damit verbundene Notwendigkeit zur Flexibilisierung und Lastverschiebung durch thermische Energiespeicher. Kernziel dieses Vorhabens ist deshalb die Erforschung und Entwicklung von Methoden eines energetisch optimierten Betriebs von Kälteanlagen bei smarter Einbindung in andere Energiesysteme, wobei die Optimierung multivariabel (Energieeffizienz, Netzdienlichkeit im Kontext einer Sektorkopplung, Wirtschaftlichkeit, …) gestaltet ist. Zur Erreichung dieses Kernziels werden innovative digitale Technologien wie zum Beispiel Methoden aus den Bereichen Data Science und Computational Intelligence speziell für deren Einsatz für das Monitoring und die Automatisierung von Kälteanlagen erforscht und prototypisch in Labor- und insbesondere in Feldanlagen getestet. Dieses Vorhaben ist dabei durch die enge Verknüpfung von angewandter Forschung und gezieltem Transfer in die Praxis geprägt. Die Untersuchung erfolgt auf Basis eines breit angelegten Anlagenpools aus den Bereichen Gewerbe-, Industrie- und Klimakälte. Die BUILD.ING Consultants + Innovators GmbH (BCI) verfolgt das übergeordnete Ziel, KI für die Gebäudesteuerung nutzbar zu machen. Hierzu soll am Beispiel kältetechnischer Anlagensysteme im Zusammenhang mit dem Gebäude der Einsatz Maschineller Lernverfahren (ML) erprobt werden. Als Basis soll eine Co-Simulationsumgebung für ML-basierte Steuerung geschaffen werden. Über die Gebäudesimulation werden Trainingsdaten für ML gewonnen und können die erzeugten Modelle zur Anlagensteuerung vor Einsatz im realen Gebäude in der Simulationsumgebung getestet werden (Digitaler Zwilling).