inf5120 Digitalised Energy System Co-Simulation (Complete module description)

Programmierung mit Python, Simulation-based Smart Grid Engineering and Assessment

Nach erfolgreichem Abschluss der Lehrveranstaltung sollen die Studierenden einfache, schalt- und modulierbare elektrische Verbraucher und Erzeuger informationstechnisch modellieren sowie diese zusammen mit passenden Steuer- und Regelmechanismen in Smart-Grid- Szenarien simulieren können. Die Studierenden sollen hierzu zunächst die informationstechnischen Modelle aus den physikalischen Modellen herleiten sowie bewerten können. Sodann Iernen sie zum Einsatz von Steuer- und Regelmechanismen die Grundlagen der Co-Simulation am Beispiel des Smart Grid Co-Simulations-Frameworks "mosaik".

Die Studierenden werden in die Lage versetzt, die Funktionsweise von verteilten agentenbasierten Steuer- und Regelungskonzepten und -algorithmen für dezentrale Erzeuger und Verbraucher auf den Betrieb elektrischer Energiesysteme zu simulieren und anzuwenden sowie hinsichtlich der Anforderungen an Wirkleistungsbilanzierung, Betriebsmittelauslastung, Robustheit und Flexibilitat zu analysieren. 
Die Studierenden vertiefen praktisch die Grundlagen für die Planung, Durchführung und Auswertung simulationsbasierter Experimente. 
Besonderer Fokus liegt hierbei auf dem Trade-off zwischen Genauigkeit und Zuverlässigkeit erwarteter Ergebnisse und dem dazu notwendigen Aufwand (Design of Experiments, Statistische Versuchsplanung), um mit möglichst wenigen Versuchen (Einzelexperimenten) Wirkzusammenhange zwischen Einflussfaktoren und beobachteten Zielgrößen möglichst genau zu ermitteln.

Fachkompetenzen 
Die Studierenden:

• setzen das Smart Grid Co-Simulations- Framework "mosaik" ein
• analysieren verteilte agentenbasierte Steuer- und Regelungskonzepte und - algorithmen für dezentrale Erzeuger und Verbraucher auf den Betrieb elektirscher Energiesysteme hinsichtlich der Anforderungen an Wirkungsbilanzierung, Betreibsmittelauslastung, Robustheit und Flexibilität
• benennen die Grundlagen für die Planung, Durchführung und Auswertung simulationsbasierter Experimente
• erkennen die Bedeutung zwischen Genauigkeit und Zuverlässigkeit erwarteter Ergebnisse und dem dazu notwendigen Aufwand (Design of Experiments, Statistische Versuchsplanung), um mit möglichst wenigen Versuchen (Einzelexperimenten) Wirkzusammenhange zwischen Einflussfaktoren und beobachteten Zielgrößen möglichst genau zu ermitteln

Methodenkompetenzen 
Die Studierenden:

• modellieren einfache schalt- und modulierbare elektrische Verbraucher und Erzeuger
• simulieren zu elektrischen Verbrauchern und Erzeugern passende Steuer und Regelungsmechanismen in Smart-Grid-Szenarien
• wenden verteilte agentenbasierte Steuer- und Regelungskonzepte und - algorithmen für dezentrale Erzeuger und Verbraucher in der Co-Simulation an
• werten Simulationsergbnisse aus
• recherchieren Informationen und Methoden zur Umsetzung der Modelle
• stellen eigene Hypothesen auf und überprüfen diese mittel Simulationsexperimenten

Sozialkompetenzen 
Die Studierenden:

• wenden die Entwicklungsmethode des Pairprogrammings an
• diskutieren die getroffenen Design Entscheidungen
• identifizieren Arbeitspakete undübernehmen Verantwortung für diese

Selbstkompetenzen 
Die Studierenden:

• reflektieren den eigenen Umgang mit der begrenzten Resource Energie
• nehmen Kritik an und verstehen sie als Vorschlag für die Weiterentwicklung des eigenen Handelns

In dieser Veranstaltung werden:

• schalt- und modulierbare Energieverbraucher sowie -erzeuger mathematisch modelliert und in ein Simulationsmodell übersetzt
• der praktische Umgang (Installation, Beschreibung/Konfiguration von Szenarien
• Durchführung von Simulationen) mit mosaik vemittelt
• Grundlagen für die Co-Simulation von Energiesystemen vermittelt
• die Herausforderungen bei der Implementierung von Koordinationsmechanismen praktisch vermittelt (Multikritikalität, Konvergenz, Güte)
• die Grundlagen der statistischen Versuchsplanung praktisch angewandt.

Smart Grids

• Konstantin, P.: "Praxisbuch Energiewirtschaft", Springer, 2006
• Schwab, A.: "Elektroenergiesysteme", Springer, 2009

Multi-agent systems

• Sutton, R. S.; Barto, A. G.: "Reinforcement Learning", MIT Press, 1998
• Weiss, G.: "Multiagent Systems", MIT Press, 2013
• Ferber J.; Kirn, S.: "Multiagentensysteme: eine Einführung in die Verteilte Künstliche lntelligenz", Addison-Wesley, 2001

Co-Simulation

• Ptolemaeus, C.: "System Design, Modeling, and Simulation", UC Berkeley, 2013
• Law, A.: "Simulation Modeling and Analysis", McGraw-Hill, 2015

Design of experiments:

• Kleppmann, W.: "Versuchsplanung", Hanser, 2013
• Klein, B.: "Versuchsplanung - DoE", Oldenbourg, 2011
• Goos, P.; Jones, B.: "Optimal Design of Experiments", Wiley, 2014
• Box, G. E. P.; Hunter, J. S.; Hunter, W. G.: "Statistics for Experimenters", Wiley, 2005
• Forrester, A.; Sobester, A.; Keane, A.: "Engineering Design via Surrogate Modelling", Wiley, 2008

Im Anschluss an die Veranstaltungszeit

Praktische Arbeit
Eine praktische Arbeit umfasst die theoretische Vorbereitung, den Aufbau und die Durchführung einer Entwurfsaufgabe anhand einer Fallstudie oder die Durchführung eines Experiments sowie die schriftliche Darstellung der Arbeitsschritte, des Ablaufs und der Ergebnisse des Experiments und deren kritische Würdigung.