Ziel dieser Arbeit ist es schädliches Verhalten in einem Agenten für die Kontrolle zur Spannungshaltung zu verstecken. Der Zweck dabei ist, dass ein Agent mithilfe von Deep Reinforcement Learning "gutartige" Strategien für die Spannungshaltung in einem Stromnetzszenario lernen kann. Das Agentenverhalten wird dabei bisher jedoch meistens nur exemplarisch (in diesem Szenario) untersucht und nicht in seiner Gesamtheit. Um zu zeigen, dass genau eine solche Analyse des gesamten Agentenverhalten notwendig ist möchten wir probieren schädliches Verhalten in wenig präsenten Messbereichen des Agenten unterzubringen.
Die Komplexität kann sowohl auf eine Bachelor- als auch auf eine Masterarbeit abgestimmt werden und kann zu einer Publikation führen. Es ist möglich, die Arbeit in Deutsch oder Englisch zu verfassen (eigene Präferenz).

Für Bachelor- und Masterarbeiten:

•     Modulation des schädlichen Verhaltens in einen DRL-Kontrollagenten
•     Das ursprüngliche Kontrollverhalten soll dabei nicht maßgeblich schlechter werden
•     Das schädliche Verhalten soll im Normalbetrieb nicht auftreten

Zusätzlich, für Masterarbeit:

•     Verschiedene Variationen der Modulation in ein Kontrollmodell

Diese Ziele dienen nur als Referenz und können unter Absprache verändert werden!

Programmierkenntnisse sind zwingend erforderlich.

Hilfreiche Kenntnisse, aber nicht zwingend erforderlich:

•     Python
•     Kenntnisse über Energiesysteme
•     Machine Learning mittels PyTorch