• Programmierung mit Java
• Programmierung mit Python

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 sollen in die Lage versetzt werden, die Funktionsweise von verteilten agentenbasierten Steuer- und Regelungskonzepten und -algorithmen für dezentrale Erzeuger und Verbraucher auf den Betrieb elektrischer Energiesysteme zu verstehen und anzuwenden sowie hinsichtlich der Anforderungen an Wirkleistungsbilanzierung, Betriebsmittelauslastung, Robustheit und Flexibilität zu analysieren. Den Studierenden werden die Grundlagen für die Planung, Durchführung und Auswertung simulationsbasierter Experimente vermittelt. 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) Wirkzusammenhänge zwischen Einflussfaktoren und beobachteten Zielgrößen möglichst genau zu ermitteln.
Fachkompetenzen
Die Studierenden:

• bewerten und leiten informatische Modelle aus physikalischen Modellen her
• 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 elektrischer Energiesysteme hinsichtlich der Anforderungen an Wirkungsbilanzierung, Betriebsmittelauslastung, 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) Wirkzusammenhänge zwischen Einflussfaktoren und beobachteten Zielgrößen

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 auf den Betrieb elektrischer Energiesysteme an
• werten Simulationsergebnisse aus
• recherchieren Informationen und Methoden zur Umsetzung der Modelle
• stellen eigene Hypothesen auf und überprüfen diese mit Mitteln der statistischen Versuchsplanung

Sozialkompetenzen
Die Studierenden:

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

Selbstkompetenzen
Die Studierenden:

• reflektieren den eigenen Umgang mit der begrenzten Ressource 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 modelliert,
• der praktische Umgang (Installation, Beschreibung/Konfiguration von Szenarien, Durchführung von Simulationen) mit mosaik vermittelt,
• die Grundlagen für agentenbasierte heuristische Optimierungsmethoden in zukünftigen Smart Grids vermittelt,
• die Herausforderungen bei der Implementierung agentenbasierter Mechanismen praktisch vermittelt (Multikritikalität, Konvergenz, Güte),
• die Grundlagen für die Auswahl und den Entwurf von simulationsbasierten Experimenten vermittelt (Design of Experiments, Statistische Versuchsplanung).

Empfohlene Literatur:
Smart Grids:

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

Multiagentensysteme:

• 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

Versuchsplanung:

• 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

http://mosaik.offis.de

Wahlpflicht-Modul im Mastervertiefungsgebiet "IT in der Energiewirtschaft (Energieinformatik)"
Verknüpft mit den Modulen:

• Energieinformationssysteme
• Smart Grid Management

Am Ende des Semesters

Mündliche Prüfung