Hintergrund
In der fortschreitenden Digitalisierung und Komplexität von Energiesystemen spielt die effiziente Kommunikation zwischen den beteiligten Agenten eine zentrale Rolle.
Die Fähigkeit, verschiedene Kommunikationsmuster zu identifizieren und zu analysieren, kann bei Modellierungen äußerst relevant sein. Die Herausforderung besteht darin, aus einer Vielzahl von Verhaltensweisen abweichende Muster zu identifizieren, insbesondere wenn diese von den Trainingsdaten abweichen.
Ziel der Arbeit
Ziel dieser Abschlussarbeit ist die Entwicklung einer Methode, die in der Lage ist, abweichende Formen der Kommunikation zwischen Agenten in Energiesystemen zu erkennen und zu klassifizieren. Dabei soll z.B. die Unterscheidung zwischen periodischem und event-basiertem Kommunikationsverhalten fokussiert werden. Die Methode soll neue oder unerwartete Muster im Kommunikationsverhalten erkennen, die sich signifikant von den in den Trainingsdaten repräsentierten Mustern unterscheiden.

• Durchführung einer Literaturrecherche zu bestehenden Methoden der Mustererkennung Datensätzen.
• Entwicklung einer stochastischen Methode zur Erkennung abweichender Kommunikationsmuster. Diese Methode sollte in der Lage sein, zwischen bekannten (z.B. periodischen) und unbekannten (z.B. event-basierten) Kommunikationsmustern zu unterscheiden.
• Analyse und Bewertung der Effektivität der Methode anhand ihrer Fähigkeit, abweichende Kommunikationsmuster zu erkennen und zu klassifizieren.