elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Imprint | Privacy Policy | Contact | Deutsch
Fontsize: [-] Text [+]

Optimale Regelung einer industriellen Vollklimaanlage mit Hilfe von Reinforcement Learning

Nordhoff, Pepe (2024) Optimale Regelung einer industriellen Vollklimaanlage mit Hilfe von Reinforcement Learning. Bachelor's, Brandenburgische Technische Universität Cottbus-Senftenberg.

[img] PDF - Only accessible within DLR
8MB

Abstract

Kühlen und Heizen haben schon immer eine zentrale Rolle in der Entwicklung unserer Gesellschaft gespielt. Im Angesicht von Rohstoffknappheit, politischer Spannungen und globaler Erwärmung wird es zunehmend wichtiger, effiziente und nachhaltige Lösungen für diese Bereiche zu finden. Neben neuen Technologien zum Betreiben von Klimaanlagen ist auch eine effiziente Regelung von großer Bedeutung und kann bei bereits implementierten Systemen zu einer verbesserten Energiebilanz führen. Diese Arbeit beschäftigt sich mit dem Optimieren der Regelung von Klimaanlagen mithilfe von Deep Reinforcement Learning. Hierbei soll möglichst energieeffizient auf einen Temperatur- und Feuchtigkeitsbereich geregelt werden. Der aktuelle Stand der Technik wird erörtert und auf Potenziale für Verbesserungen sowie Anwendungsgebiete untersucht. Es wird eine Testumgebung erstellt, welche ein neuronales Netz mithilfe einer Simulation anhand von Wetterdaten trainiert. Abschließend wird ein Vergleich zu herkömmlichen Reglern in Hinsicht auf Kosten und Nutzen durchgeführt. Es wurde erfolgreich ein Regler trainiert, welcher in den fast allen Fällen die gesetzten Ziele erreicht. Hierbei wurden verschiedenste Kombinationen aus Parametern und Lösungsansätzen in Form von Anpassungen der Trainingsumgebung und Modifikationen der Kostenfunktion getestet. Ein Leistungsvergleich zu einem herkömmlichen Regelsystem wurde durchgeführt und visuelle Mittel zur Bewertung der Ergebnisse erstellt. Der trainierte Regler ist im Durchschnitt 11% energieintensiver, konnte jedoch in über 75% der Fälle eine Reduktion im Verbrauch erreichen. Die Methode hat das Potenzial, mit weiterer Forschung und anderen, leistungsstärkeren Ansätzen eine insgesamt höhere Effizienz zu entwickeln.

Item URL in elib:https://elib.dlr.de/204496/
Document Type:Thesis (Bachelor's)
Title:Optimale Regelung einer industriellen Vollklimaanlage mit Hilfe von Reinforcement Learning
Authors:
AuthorsInstitution or Email of AuthorsAuthor's ORCID iDORCID Put Code
Nordhoff, PepeUNSPECIFIEDUNSPECIFIEDUNSPECIFIED
Date:20 March 2024
Open Access:No
Number of Pages:64
Status:Published
Keywords:Reinforcement Learning, HVAC, Klimaanlage, Luftkonditionierung, Energieoptimierung, Regelung
Institution:Brandenburgische Technische Universität Cottbus-Senftenberg
HGF - Research field:Energy
HGF - Program:Materials and Technologies for the Energy Transition
HGF - Program Themes:High-Temperature Thermal Technologies
DLR - Research area:Energy
DLR - Program:E SP - Energy Storage
DLR - Research theme (Project):E - Low-Carbon Industrial Processes
Location: Cottbus
Institutes and Institutions:Institute of Low-Carbon Industrial Processes
Institute of Low-Carbon Industrial Processes > Simulation and Virtual Design
Deposited By: Tran, A. Phong
Deposited On:11 Jun 2024 12:43
Last Modified:11 Jun 2024 12:43

Repository Staff Only: item control page

Browse
Search
Help & Contact
Information
electronic library is running on EPrints 3.3.12
Website and database design: Copyright © German Aerospace Center (DLR). All rights reserved.