SDL Engineering for Energy and Mobility
Im Simulation and Data Life Cycle Lab (kurz SimDataLab oder SDL) "Engineering for Energy and Mobility" forscht ein Team von Wissenschaftlerinnen und Wissenschaftlern des SCC. Es agiert im strategischen Rahmen der Nationalen Allianz für Hochleistungsrechnen. Das SDL wurde gegründet, um den sich ständig weiterentwickelnden Bedürfnissen im Supercomputing- und in der Datenverarbeitung der SCC-Nutzer im Bereich Energie und Mobilität entgegenzukommen. Für das KIT insgesamt und das KIT-Zentrum Energie werden damit strategisch wichtige Themen adressiert.
Das Hauptziel des SDL ist die Unterstützung und Stärkung der Methodenkompetenz der Ingenieurinnen und Ingenieuren beim Einsatz von Supercomputing-Methoden und dem damit verbundenen Datenmanagement für Herausforderungen der Energie- und Mobilitätswende. Dieses Ziel wird unter anderem auch durch die Vereinigung der Kompetenzen von zwei SCC-Forschungsgruppen erreicht - einer Gruppe mit dem Forschungshintergrund in wissenschaftlichem Hochleistungsrechnen und Mathematik und einer mit dem Schwerpunkt auf Datenforschung und Datenanalyse.
Projekte
Projekt 1: NHR@KIT - Zusammenarbeit mit der Universität Rostock
Projekttitel:
Entwicklung und Validierung eines hybriden Gitter-/Partikelverfahrens für turbulente Strömungen unterstützt durch Hochleistungsberechnungen mit OpenFOAM
Zusammenarbeit mit:
Prof. Nikolai Kornev (Universität Rostock), Fakultät für Maschinenwesen und Schiffstechnik, Lehrstuhl für Modellierung und Simulation
Laufzeit:
3 Jahre
Koordinierung innerhalb des SCC:
Dr.-Ing. J.A. Denev (SCC-PI: Prof. Martin Frank)
Kurzbeschreibung:
Das Hauptziel des vorliegenden Projekts ist die Weiterentwicklung und Validierung einer neuen CFD-Methode (Computational Fluid Dynamics), die eine Kombination aus gitterfreien (Partikel) und gitterbasierten Techniken verwendet. Eine grundlegende Annahme dieses neuen Ansatzes ist die Zerlegung jeder physikalischen Größe in einen gitterbasierten (großskaligen) und einen feinskaligen Teil, wobei die großskaligen Teile auf dem Gitter aufgelöst und die feinskaligen Teile durch Partikel dargestellt werden. Die Dynamik der großen und feinen Skalen wird aus zwei gekoppelten Transportgleichungen berechnet, von denen eine auf dem Gitter gelöst wird, während die zweite die Lagrangesche gitterfreie Vortex-Partikel-Methode (VPM) verwendet.
Anwendungsbereiche:
Diese Probleme umfassen externe Strömungsprobleme, z.B. Strömungen um Fahrzeuge wie Schiffe, Autos, Lastwagen oder Flugzeuge mit einem starken Bezug zu Energie (Energieeinsparung) und Mobilität. Insbesondere wird die neue hybride Methode für die Vorhersage der Effizienz und den Entwurf neuer energiesparender Vorrichtungen (ESV) für Schiffe im Modell- und Realmaßstab eingesetzt. Mit ESV lässt sich die abgegebene Leistung um bis zu zehn Prozent reduzieren.
Open source Software:
OpenFOAM
Projekt 2: NHR@KIT - Zusammenarbeit mit Engler-Bunte Institut (KIT) und das Institut für Kolbenmaschinen (KIT)
Projekttitel:
GPU-basierte Methoden des maschinellen Lernens zur Entwicklung von Vorhersagemodellen für die Vorhersage der Abgaseigenschaften von Verbrennungsmotoren während des Kaltstarts aus realen experimentellen Daten
Zusammenarbeit mit:
Prof. Dr.-Ing. Dimosthenis Trimis (KIT, Engler-Bunte Institut, Verbrennung) und Prof. Dr. sc.-techn. Thomas Koch (KIT, Institut für Kolbenmaschinen)
Laufzeit:
3 Jahre
Koordinierung innerhalb des SCC:
Dr.-Ing. J.A. Denev (SCC-PI: Prof. Martin Frank)
Kurzbeschreibung:
Durch umfangreiche Experimente wurden kürzlich große Datensätze über die Leistung von Verbrennungsmotoren beim Kaltstart und auf den ersten Fahrkilometern gewonnen. Die Datensätze enthalten Messungen von mehr als 1000 Parametern, die gleichzeitig in 0.1-Sekundentakt aufgezeichnet worden sind. Dazu gehören unter anderem Motorleistungsparameter, die detaillierte Multikomponentenzusammensetzung des Abgases sowie entsprechende Eigenschaften von Partikeln im Nanometerbereich, die aus elektronenmikroskopischen Aufnahmen zusammengestellt wurden. Ziel des Projekts ist es, Methoden des maschinellen Lernens (ML) auf diese umfassende Datenmenge anzuwenden, um Modelle zu entwickeln, die in der Lage sind, die Abgaszusammensetzung einschließlich der Partikelkonzentrationen und der nanostrukturellen/molekularen Eigenschaften während variabler, instationärer Kaltstartbedingungen vorherzusagen.
Anwendung:
Die Zusammenführung der Daten aus den verschiedenen experimentellen und analytischen Techniken sowohl der Motorparameter als auch der Abgaszusammensetzung der untersuchten Motoren wird zu ML-abgeleiteten Vorhersagemodellen vereint und ein besseres Verständnis der grundlegenden Einflussparameter auf die Schadstoffbildung ermöglichen. Dies wird dazu beitragen, intelligente Motorbetriebsstrategien zu entwickeln, die für zukünftige Biokraftstoff- und reFuel-basierte Motoren eingesetzt werden können.
Open source Software:
HeAT (Helmholtz Analytics Toolkit) library
OpenFOAM
Publikationen SDL-EEM
Aversa, R.; Azmi, E.; Fischer, M.; Götz, M.
2024, Mai 2. Strategic Advisory Board (SAB) meeting for the Helmholtz Program EDF (2024), Karlsruhe, Deutschland, 2. Mai 2024
Grigorov, E.; Kirov, B.; Denev, J. A.; Galabov, V.
2023. 2023 International Scientific Conference on Computer Science (COMSCI), Sozopol, 18th-20th September 2023, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/COMSCI59259.2023.10315880
Kornev, N.; Darji, J.; Tofighian, H.; Denev, J. A.
2023. Proceedings of the 10th International Conference on Vortex Flow Mechanics (ICVFM 2023)
Markov, D.; Grigorov, E.; Kirov, B.; Denev, J. A.; Galabov, V.; Marinov, M. B.
2023. Micro, 3 (2), 537–548. doi:10.3390/micro3020036
Zhu, J.; Zirwes, T.; Zhang, F. C.; Li, Z. J.; Zhang, Y.; Pan, J. F.
2024. Chemical Engineering Science, 283, 119391. doi:10.1016/j.ces.2023.119391
Zirwes, T.; Sontheimer, M.; Zhang, F.; Abdelsamie, A.; Pérez, F. E. H.; Stein, O. T.; Im, H. G.; Kronenburg, A.; Bockhorn, H.
2023. Flow, Turbulence and Combustion, 111 (2), 567–602. doi:10.1007/s10494-023-00449-8
Kaiser, T. L.; Varillon, G.; Polifke, W.; Zhang, F.; Zirwes, T.; Bockhorn, H.; Oberleithner, K.
2023. Combustion and Flame, 253, Art.-Nr.: 112778. doi:10.1016/j.combustflame.2023.112778
Kaddar, D.; Steinhausen, M.; Zirwes, T.; Bockhorn, H.; Hasse, C.; Ferraro, F.
2022. Proceedings of the Combustion Institute, 39 (2), 2199–2208. doi:10.1016/j.proci.2022.08.060
Steinhausen, M.; Zirwes, T.; Ferraro, F.; Scholtissek, A.; Bockhorn, H.; Hasse, C.
2022. Proceedings of the Combustion Institute, 39 (2), 2149–2158. doi:10.1016/j.proci.2022.09.026
Zirwes, T.; Zhang, F.; Bockhorn, H.
2022. Proceedings of the Combustion Institute, 39 (2), 2349–2358. doi:10.1016/j.proci.2022.07.187
Eckart, S.; Pio, G.; Zirwes, T.; Zhang, F.; Salzano, E.; Krause, H.; Bockhorn, H.
2023. Fuel, 335, Art.-Nr.: 126929. doi:10.1016/j.fuel.2022.126929
Tavakkol, S.; Zirwes, T.; Denev, J. A.; Bockhorn, H.; Stapf, D.
2023. Thermal Science and Engineering Progress, 38, Article no: 101545. doi:10.1016/j.tsep.2022.101545
Zhang, F.; Zirwes, T.; Häber, T.; Bockhorn, H.; Trimis, D.; Suntz, R.; Stapf, D.
2022. Proceedings of the Combustion Institute, 39 (2), 2037–2045. doi:10.1016/j.proci.2022.10.010
Zhang, F.
2022, Juli. 39th International Symposium on Combustion (2022), Vancouver, Kanada, 24.–29. Juli 2022
Zhang, F.; Zirwes, T.; Wachter, S.; Jakobs, T.; Habisreuther, P.; Zarzalis, N.; Trimis, D.; Kolb, T.; Bockhorn, H.; Stapf, D.
2023. International journal of multiphase flow, 158, Art.-Nr.: 104304. doi:10.1016/j.ijmultiphaseflow.2022.104304
Wang, Y.; Han, W.; Zirwes, T.; Zhang, F.; Bockhorn, H.; Chen, Z.
2022. Proceedings of the Combustion Institute, 39 (2), 1515–1524. doi:10.1016/j.proci.2022.07.024
Zhang, F.; Zirwes, T.; Wang, Y.; Chen, Z.; Bockhorn, H.; Trimis, D.; Stapf, D.
2022. Physics of Fluids, 34 (8), Art.-Nr.: 085121. doi:10.1063/5.0098883
Casel, M.; Oberleithner, K.; Zhang, F.; Zirwes, T.; Bockhorn, H.; Trimis, D.; Kaiser, T. L.
2022. Combustion and Flame, 236, Art.-Nr.: 111695. doi:10.1016/j.combustflame.2021.111695
Tavakkol, S.
2022. Proceedings of the 13th European Conference on Industrial Furnaces and Boilsers (INFUB)
Zhang, F.; Kurjata, M.; Sebbar, N.; Zirwes, T.; Fedoryk, M.; Harth, S.; Wang, R.; Habisreuther, P.; Trimis, D.; Bockhorn, H.
2022. Energy and Fuels, 36 (7), 4094–4106. doi:10.1021/acs.energyfuels.1c04007
Steinhausen, M.; Zirwes, T.; Ferraro, F.; Popp, S.; Zhang, F.; Bockhorn, H.; Hasse, C.
2022. International Journal of Heat and Fluid Flow, 93, Art.-Nr.: 108913. doi:10.1016/j.ijheatfluidflow.2021.108913
Zirwes, T.; Zhang, F.; Denev, J. A.; Habisreuther, P.; Bockhorn, H.; Trimis, D.
2021. High Performance Computing in Science and Engineering ’19 – Transactions of the High Performance Computing Center, Stuttgart (HLRS) 2019. Ed.: W. Nagel, 225–239, Springer International Publishing. doi:10.1007/978-3-030-66792-4_16
Wen, X.; Zirwes, T.; Scholtissek, A.; Böttler, H.; Zhang, F.; Bockhorn, H.; Hasse, C.
2022. Combustion and Flame, 238, Art.Nr. 111808. doi:10.1016/j.combustflame.2021.111808
Wen, X.; Zirwes, T.; Scholtissek, A.; Böttler, H.; Zhang, F.; Bockhorn, H.; Hasse, C.
2022. Combustion and Flame, 238, Art.Nr. 111815. doi:10.1016/j.combustflame.2021.111815
Hagen, A.; Jackson, S.; Kahn, J.; Strube, J.; Haide, I.; Pazdernik, K.; Hainje, C.
2021
Coquelin, D.; Debus, C.; Götz, M.; Lehr, F. von der; Kahn, J.; Siggel, M.; Streit, A.
2021. Springer. doi:10.21203/rs.3.rs-832355/v1
Mayer, Z.; Kahn, J.; Hou, Y.; Volk, R.
2021. EG-ICE 2021 Workshop on Intelligent Computing in Engineering. Ed.: Jimmy Abualdenien, André Borrmann, Lucian-Constantin Ungureanu, Timo Hartmann, 497–507, Universitätsverlag der TU Berlin
Mayer, Z.; Hou, Y.; Kahn, J.; Beiersdörfer, T.; Volk, R.
2021, Mai 18. doi:10.5281/zenodo.4767772
Tavakkol, S.; Zirwes, T.; Denev, J. A.; Jamshidi, F.; Weber, N.; Bockhorn, H.; Trimis, D.
2021. Renewable & sustainable energy reviews, 139, Art.-Nr.: 110582. doi:10.1016/j.rser.2020.110582
Pitchurov, G.; Gromke, C.; Denev, J. A.; Cesar Cunha Galeazzo, F.
2020. E3S Web of Conferences, 207, Art.-Nr.: 02010. doi:10.1051/e3sconf/202020702010
Götz, M.; Debus, C.; Coquelin, D.; Krajsek, K.; Comito, C.; Knechtges, P.; Hagemeier, B.; Tarnawa, M.; Hanselmann, S.; Siggel, M.; Basermann, A.; Streit, A.
2020. 2020 IEEE International Conference on Big Data (Big Data), 276–287, Institute of Electrical and Electronics Engineers (IEEE)
Zirwes, T.; Zhang, F.; Habisreuther, P.; Hansinger, M.; Bockhorn, H.; Pfitzner, M.; Trimis, D.
2021. Flow, turbulence and combustion, 106 (2), 373–404. doi:10.1007/s10494-020-00228-9
Zirwes, T.; Zhang, F.; Wang, Y.; Habisreuther, P.; Denev, J. A.; Chen, Z.; Bockhorn, H.; Trimis, D.
2021. Proceedings of the Combustion Institute, 38 (2), 2057–2066. doi:10.1016/j.proci.2020.07.033
Zirwes, T.; Häber, T.; Zhang, F.; Kosaka, H.; Dreizler, A.; Steinhausen, M.; Hasse, C.; Stagni, A.; Trimis, D.; Suntz, R.; Bockhorn, H.
2021. Flow, turbulence and combustion, 106, 649–679. doi:10.1007/s10494-020-00215-0
Schieβl R.; Denev, J. A.
2020. Combustion theory and modelling, 24 (6), 983–1001. doi:10.1080/13647830.2020.1800102
Zhang, F.; Zirwes, T.; Häber, T.; Bockhorn, H.; Trimis, D.; Suntz, R.
2021. Proceedings of the Combustion Institute, 38 (2), 1955–1964. doi:10.1016/j.proci.2020.06.058
Kornev, N.; Denev, J.; Samarbakhsh, S.
2020. Fluids, 5 (2), Article: 45. doi:10.3390/fluids5020045
Denev, J.; Barthel, R.; Frank, M. (Hrsg.)
2019. Karlsruher Institut für Technologie (KIT)
Zhang, F.; Zirwes, T.; Habisreuther, P.; Zarzalis, N.; Bockhorn, H.; Trimis, D.
2021. Combustion science and technology, 193 (4), 594–610. doi:10.1080/00102202.2019.1665520
Denev, J. A.; Naydenova, I.; Zhang, F.; Zirwes, T.; Bockhorn, H.
2019. 9th European Combustion Meeting (ECM), Lissabon, Portugal, 14 - 17 April 2019
Zirwes, T.; Zhang, F.; Denev, J. A.; Habisreuther, P.; Bockhorn, H.; Trimis, D.
2019. High Performance Computing in Science and Engineering ’18 - Transactions of the High Performance Computing Center, Stuttgart (HLRS) 2018. Ed.: W. E. Nagel, 209–224, Springer International Publishing
Galeazzo, F. C. C.; Fukumasu, N. K.; Denev, J. A.; Krieger Filho, G. C.
2018. Joint Meeting of the German and Italian Sections of the Combustion Institute (2018), Sorrent, Italien, 23.–26. Mai 2018
Zirwes, T.; Zhang, F.; Denev, J. A.; Habisreuther, P.; Bockhorn, H.
2018. High Performance Computing in Science and Engineering ’ 17 - Transactions of the High Performance Computing Center, Stuttgart (HLRS) 2017. Ed.: W. Nagel, 189–204, Springer-Verlag. doi:10.1007/978-3-319-68394-2_11
Name | Tel. | |
---|---|---|
Dr. Denev, Jordan | +49 721 608-25771 +49 721 608-42807 |
jordan denev ∂ kit edu |
Name | Tel. | |
---|---|---|
Dr. Götz, Markus | +49 721 608-29334 | markus goetz ∂ kit edu |
Dr. Piccioni Koch, Daniela | +49 721 608-23304 | daniela piccioni ∂ kit edu |
Weiel, Marie | marie weiel ∂ kit edu | |
3 weitere Personen sind nur innerhalb des KIT sichtbar. |