Partager

Recommandé par l'IIF / Document IIF

Évaluation des méthodes d’apprentissage automatique en vue d’optimiser le procédé de dégivrage des pompes à chaleur air-eau.

Evaluation of machine learning methods for optimizing the defrosting process of air-to-water heat pumps.

Numéro : 0117

Auteurs : KLINGEBIEL J., GOBEL S., VENZIK V., MÜLLER D.

Résumé

Frost formation decreases system efficiency, so frequent defrosting is necessary to achieve energy-efficient operation. Compared to conventional time-controlled defrosting, demand-controlled defrosting offers a high potential for increasing overall efficiency. This study develops a demand-controlled defrosting strategy based on machine learning. Therefore a detailed simulation model is presented and calibrated using experimental data. Our experimental results indicate that defrosting initiation time is a key parameter for efficient operation: A deviation of 30 minutes from the optimal defrosting time (ODT) results in a 10.7 % reduction in efficiency. We show that self-optimizing control strategies, such as reinforcement learning, can improve the defrosting process due to successfully predicting ODT. Compared to conventional defrosting strategies, the system efficiency increases by a minimum of 5.56 % for a typical 24 h demand profile. The method reduces the number of defrosting operations by avoiding unnecessary defrosting, thus increasing the operating time and thermal comfort.

Documents disponibles

Format PDF

Pages : 11 p.

Disponible

  • Prix public

    20 €

  • Prix membre*

    Gratuit

* meilleur tarif applicable selon le type d'adhésion (voir le détail des avantages des adhésions individuelles et collectives)

Détails

  • Titre original : Evaluation of machine learning methods for optimizing the defrosting process of air-to-water heat pumps.
  • Identifiant de la fiche : 30029719
  • Langues : Anglais
  • Sujet : Technologie
  • Source : 15th IIR-Gustav Lorentzen Conference on Natural Refrigerants (GL2022). Proceedings. Trondheim, Norway, June 13-15th 2022.
  • Date d'édition : 13/06/2022
  • DOI : http://dx.doi.org/10.18462/iir.gl2022.0117
  • Document disponible en consultation à la bibliothèque du siège de l'IIF uniquement.

Liens


Voir d'autres communications du même compte rendu (169)
Voir le compte rendu de la conférence

Indexation