Stud.IP Uni Oldenburg
Universität Oldenburg
26.09.2022 21:42:49
inf515 - Intelligente Energiesysteme (Vollständige Modulbeschreibung)
Originalfassung Englisch PDF Download
Modulbezeichnung Intelligente Energiesysteme
Modulkürzel inf515
Kreditpunkte 6.0 KP
Workload 180 h
Einrichtungsverzeichnis Department für Informatik
Verwendbarkeit des Moduls
  • Master Informatik (Master) > Angewandte Informatik
  • Master Wirtschaftsinformatik (Master) > Akzentsetzungsmodule der Informatik
Zuständige Personen
Bremer, Jörg (Modulverantwortung)
Lehnhoff, Sebastian (Modulverantwortung)
Lehrenden, Die im Modul (Prüfungsberechtigt)
Teilnahmevoraussetzungen
Kompetenzziele

Das Modul befasst sich mit der Integration (verteilter) künstlicher Intelligenz in die zukünftige Steuerung des Energienetzes.

Das Modul vermittelt moderne Techniken der künstlichen Intelligenz und des maschinellen Lernens als Beitrag beispielsweise in der semi-automatischen Betriebsführung von Stromnetzen, bei der von Einsicht getriebenen Vermarktung von dezentralen Energieanlagen oder bei der Prognose von Last- und Erzeugungszeitreihen
 

Fachkompetenzen
Die Studierenden

  • kennen Methoden zur Modellierung der Flexibilität von Energieanlagen mittels maschinellem Lernen
  • können Flexibilitätsmodelle implementieren
  • kennen verschiedene Ansätze der Agenten-basierten Modellierung und Koordination im elektrischen Netz
  • kennen Techniken des Adversarial Resilience Learning
  • bewerten verschiedene Verfahren des Deep und Reinforcement Learning hinsichtlich ihrer  Eigenschaften und Eignung in der verteilten Lastplanung
  • charakterisieren Methoden maschinellen Lernens anhand ihrer Eigenschaften
Methodenkompetenz

Die Studierenden

  • erzeugen systematisch zulässige Lösungen mittels Einsatz von Dekodertechnik
  • wenden maschinelles Lernen in verteilten Algorithmen praktisch an
Sozialkompetenz

Die Studierenden

  • wenden die Entwicklungsmethode des Pairprogrammings an
  • diskutieren die getroffenen Design Entscheidungen
  • präsentieren ihre Arbeitsergebnisse anderen Studierenden
Selbstkompetenz

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
  • erkennen die gesellschaftspolitische Verantwortung beim Einsatz von Methoden der künstlichen Intelligenz
Modulinhalte

In dieser Veranstaltung werden

  • mathematische Grundlagen Supportvektor-basierter Modellierungstechniken vermittelt
  • geometrische Untervektorraummodellierungen vermittelt und von den Studierenden angewendet
  • Grundlagen verteilter Algorithmen in Energienetzen vermittelt
  • das Design intelligenter Agenten mittels Reinforcement Learning und Q-Learning vermittelt und praktisch angewendet
  • Grundlagen des Adversarial Resilience Learning vermittelt
Literaturempfehlungen
  • Lapan, Maxim. Deep Reinforcement Learning Hands-On: Apply modern RL methods, with deep Q-networks, value iteration, policy gradients, TRPO, AlphaGo Zero and more. Packt Publishing Ltd, 2018.
  • Dokumentation von PandaPower unter https://pandapower.readthedocs.io/en/latest/
  • Mehr wird in der Veranstaltung bekannt gegeben
Links
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul
Aufnahmekapazität Modul unbegrenzt
Modullevel / module level MM (Mastermodul / Master module)
Modulart / typ of module Wahlpflicht / Elective
Lehr-/Lernform / Teaching/Learning method V + Ü
Vorkenntnisse / Previous knowledge Programmierkenntnisse in Python
Lehrveranstaltungsform Kommentar SWS Angebotsrhythmus Workload Präsenz
Vorlesung 3 SoSe oder WiSe 28
Übung 1 SoSe oder WiSe 28
Präsenzzeit Modul insgesamt 56 h
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
Am Ende der Veranstaltungszeit
Mündliche Prüfung