Grunddaten
Titel | Machine Learning Verfahren zur verteilten Steuerung von Multi-Energiesystemen |
Beschreibung |
Die Betrachtung von Multi-Energie Systemen gewinnt, durch die zunehmende Kopplung der Energiesektoren (z.B. Strom, Gas und Wärme), immer mehr Beachtung. Es entstehen durch die Kopplung betriebliche Abhängigkeiten zwischen den Sektoren, wodurch eine optimale/robuste Steuerung schwieriger wird. Weiterhin werden durch die DERs (Distributed Energy Resources) im Verteilnetz dezentrale Lösungsansätze nötig. In der Arbeit sollen Ansätze aus dem Bereich des Machine Learnings genutzt werden, um eine verteilte Steuerung eines Multi-Energiesystems zu ermöglichen. Ein Beispiel dafür ist das Framework des (Deep) Reinforcement Learnings, welches ein Framework für das Erlernen von Verhalten in einer Umgebung darstellt. Dies kann genutzt werden, um Anlagen entsprechend dem aktuellen Netzverhalten zu regeln (Netz = Umgebung, Regelung = Verhalten). Durch die Arbeit lernt der Student / die Studierende Methoden aus dem Bereich des Machine Learnings und Multi-Energiesysteme kennen. Weiterhin werden Programmierkenntnisse in Python erworben. |
Heimateinrichtung | Department für Informatik |
Art der Arbeit | praktisch / anwendungsbezogen |
Abschlussarbeitstyp | Bachelor oder Master |
Autor | Rico Schrage, M. Sc. |
Status | vergeben |
Aufgabenstellung |
• Implementierung von Methoden aus dem Bereich des Machine Learnings für die Steuerung von Multi-Energie Systemen • Definition von Evaluationsszenarien • Simulation der Szenarien |
Voraussetzung |
• Vorkenntnisse im Bereich Energiesysteme/Machine Learning sind hilfreich, aber nicht zwingend notwendig • Grundlegende Kenntnisse der Programmiersprache Python |
Erstellt | 25.11.2021 |