Gebäudeenergiesysteme
Unsere Vision ist die Optimierung der Gebäudeenergiesysteme (GES) von morgen durch systematisches Verknüpfen von experimentellen und simulativen Methoden.
Wir, das Team GES, forschen an der ganzheitlichen Optimierung von nachhaltigen Energiesystemen hinsichtlich Auslegung und Betrieb. Dazu koppeln wir experimentelle und simulative Methoden, um innovative Systeme in die Praxis zu bringen. In unserer Arbeit befassen wir uns mit Bestandsgebäuden und Neubauten im Bereich von Ein- und Mehrfamilienhäusern sowie Nichtwohngebäuden. Unser Fokus liegt auf der integrierten Optimierung der Anlagentechnik, welche zur Erzeugung, Verteilung, Speicherung und Übergabe an den Nutzer von Wärme, Kälte und Strom eingesetzt wird.
Im Bereich der Simulation setzen wir sowohl auf datengetriebene Modelle durch Machine-Learning-Algorithmen als auch auf Ansätze mit physikalischer Modellbasis. Die am Lehrstuhl entwickelten quell-offenen Modellbibliotheken AixLib und BESMod geben uns die Flexibilität dynamische, gekoppelte Gebäude- und Anlagensimulationen maßgeschneidert durchzuführen. Mithilfe von Konzepten des Digitalen Zwillings erhalten wir kalibrierte dynamische Modelle von Gebäudeenergiesystemen. Vermehrt nutzen wir Building Information Modeling (BIM) zur Gewinnung von Simulationsmodellen und haben hier mit dem Tool bim2sim die Möglichkeit geschaffen diesen Prozess zu automatisieren.
Im Bereich der Experimente nutzen wir speicherprogrammierbare Steuerungen (SPS), um analoge Signale von hochauflösender Messtechnik sowie diversen Bussystemen (Sensorik und Aktorik) mit cloudbasierten Signalen kommunizieren zu lassen. Unsere dynamischen Experimente entwerfen wir mit Methoden der statistischen und optimalen Versuchsplanung. Dies dient insbesondere der Reduktion der Versuchsdauer und Kosten.
Mithilfe des Hardware-in-the-Loop-Konzepts kombinieren wir experimentelle Untersuchungen typischer Systemkomponenten (Wärmepumpe, Speicher, Heizkörper, Ventile, o.ä.) mit dynamisch simulierten Gebäuden. Somit können neue Produkte und Regelungskonzepte reproduzierbar unter realitätsnahen Bedingungen untersucht werden. Zu diesem Zweck nutzen wir modernste Werkzeuge aus dem Bereich der Software und des Internet of Things (IoT). Wir führen Auswertungen mit state-of-the-art, performanten, statistischen Methoden durch, um wissenschaftlich fundierte Aussagen aus Experiment und Simulation für die Praxis abzuleiten.
Wir nutzen Methoden der mathematischen Optimierung, um ideale Systemauslegungen sowie einen kosteneffizienten und nachhaltigen Betrieb von Gebäudeenergiesystemen zu ermitteln. Für diese Optimierungen nutzen wir mixed-integer linear Programs in Kombination mit dynamischen Simulationsmodellen. Desweiteren entwickeln wir Methoden um Sanierungsfahrpläne innerhalb von Mehrperiodensystemen zu optimieren.