Topic: Themen rund um Deep Reinforcement Learning im Stromnetzkontext

Topic: Themen rund um Deep Reinforcement Learning im Stromnetzkontext

Personal details

Title Themen rund um Deep Reinforcement Learning im Stromnetzkontext
Description

Diese Ausschreibung ist eine (nicht abschließende) Sammlung von Themenfeldern, in denen wir forschen und in welchen Abschlussarbeitsthemen gefunden werden können.  

Die Komplexitäten können sowohl auf Bachelor- als auch auf Masterarbeiten abgestimmt werden und die Arbeiten können zu Publikation führen. Es ist möglich, die Arbeit in Deutsch oder Englisch zu verfassen (eigene Präferenz).

Home institution Department of Computing Science
Associated institutions
Type of work practical / application-focused
Type of thesis Bachelor's or Master's degree
Author Torben Logemann
Status available
Problem statement

Sammlung an (nicht abschließenden) Themenfeldern:

 

  • Verifikation (+gleichzeitige Optimierung des Agenten) ("Safe DRL")  
  • Transfer Learning
  • Visualisierungen  
  • Erklärbarkeit
  • Kontinuierliches Lernen (Problem "Concept Drift")  
  • Offline DRL
  • Robustes Lernen
  • Softwarespezifische Themen, bspw.:
    • Methoden für robuste Implementierungen
    • Verifikation von Softwareteilen
    • Schnittstellenmanagement
    • (hier auch noch viele weitere) 
  • Management von gelernten DRL Netzen (für bessere Reproduzierbarkeit)
  • Reproduzierbarkeit von Experimenten (Training DRL Agenten in Simulation)

 

 Die Liste wird von Zeit zu Zeit aktualisiert.

 

Wir sind darüber hinaus offen für die Bearbeitung von Abschlussarbeitsthemen in verwandten Themengebieten (im Umfeld von Deep Reinforcement Learning im Stromnetzkontext).

 

Bei Fragen oder Interesse gerne melden: torben.logemann@uni-oldenburg.de

Requirement

Programmierkenntnisse sind für die meisten Themen zwingend erforderlich.  
 
Hilfreiche Kenntnisse, aber nicht zwingend erforderlich (dies ist ebenfalls abhängig vom konkreten Thema):

-     Python
-     Kenntnisse über Energiesysteme
-     Machine Learning mittels PyTorch

Created 12/10/24