Das Labor für Prozesssimulation wird für die Lehre und die Forschung eingesetzt. Besondere Kompetenzfelder des Labors betreffen die stationäre und instationäre Simulation energie- und verfahrenstechnischer Prozesse, die wärme- und strömungstechnische Berechnung von Komponenten, die Stoffdatenberechnung sowie die Lastprognose mittels modernster maschineller Lernverfahren.
Dazu stehen mehrere Hochleistungsrechner und als Software Industriestandards im Bereich der Simulation energie- und kraftwerkstechnischer Anlagen (EBSILON®Professional), verfahrenstechnischer Anlagen (aspenONE), für Finite-Volumen-Simulationen für Strömungen und Transportvorgänge (ANSYS) und maschinelles Lernen ("Deep Learning", z.B. TensorFlow) zur Verfügung. Die Ressourcen des Labors werden zudem für Forschungsprojekte genutzt, z.B. im Rahmen der vom Bundesministerium für Wirtschaft und Energie geförderten Forschungsprojekte "KWK-Flex" oder "deepDHC".
Übersicht
Kompetenzfelder
- Stationäre und instationäre Simulation energie- und verfahrenstechnischer Prozesse
- Wärme- und strömungstechnische Berechnung von Komponenten
- Stoffdatenberechnung
- Lastprognosen mittels maschineller Lernverfahren ("Deep Learning")
Software
- EBSILON®Professional – energie- und kraftwerkstechnische Anlagen
- aspenONE (AspenHYSYS, AspenPlus etc.) – verfahrenstechnische Anlagen
- ANSYS (CFX, Fluent) – Finite-Volumen-Simulationen (Strömung, Transportvorgänge)
- Matlab/Simulink – komplexe (und instationäre) Prozesse
- LabVIEW – Prozessdatenerfassung
- Engineering Equation Solver (EES) – Stoffdaten u. Wärmetechnik
- HTFS – Wärmeübertragerberechnung
- Oracle Crystal Ball – Monte Carlo Simulation
- Solkane – Kältemaschinenprozesse und Stoffdaten Kältemittel
- Energieberater Professional – Wohngebäudeberechnung nach EnEV
- TensorFlow (maschinelle Lernverfahren)
Forschungsprojekte
- deepDHC - Deep Learning for Distinct Heating and Cooling: Entwicklung modernster maschineller Lernverfahren für die hochgenaue Fernwärmelastprognose
- KWK-Flex - Hochflexible stromgeführte Kraft-Wärme-Kopplung durch thermische Speicher und "Power-to-Heat"-Technologien
Workstations für Forschungsprojekte
- Fujitsu RX 300 (128 GB RAM, 9 TB HD, Intel XEON 16 cores, 2,9 GHz)
- Mehrere Hochleistungsworkstations für maschinelles Lernen (u.a. NVIDIA Quadro RTX 6000)
Kontakt
Prof. Dr.-Ing. Matthias Finkenrath
Tel.: +49 (0) 831-2523-9223
matthias.finkenrath(at)hs-kempten.de
Prof. Dr.-Ing. Bernhard Müller
Tel.: +49 (0) 831-2523-378
bernhard.mueller(at)hs-kempten.de