Skip to main content

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

2021 | OriginalPaper | Buchkapitel

5. Adaptive und Prädiktive TABS-Steuerung AMLR

verfasst von : Elmar Bollin, Martin Schmelas

Erschienen in: TABS – Thermoaktive Bauteilsysteme

Verlag: Springer Fachmedien Wiesbaden

share
TEILEN

Zusammenfassung

Inhalt der AMLR-Entwicklung war es, einen selbstlernenden bzw. adaptiven und vorausschauenden Algorithmus auf Basis der MLR-Methode zur Steuerung von TABS, den AMLR-Algorithmus, zu finden. Auf die Installation eines TABS-Rücklauftemperatursensors für jede TABS-Zone sollte dabei aus Kostengründen verzichtet werden. Dazu musste der lineare MLR-Zusammenhang um die Einbeziehung einer Raumtemperaturmessung erweitert und ein Zusammenhang zwischen der den TABS zugeführten Energie Qmc und der an die am Bauteil angrenzenden Räume übertragenen Energie Qua hergestellt werden.

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt 90 Tage mit der neuen Mini-Lizenz testen!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe



 


Jetzt 90 Tage mit der neuen Mini-Lizenz testen!

Metadaten
Titel
Adaptive und Prädiktive TABS-Steuerung AMLR
verfasst von
Elmar Bollin
Martin Schmelas
Copyright-Jahr
2021
DOI
https://doi.org/10.1007/978-3-658-31163-6_5