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.

• Implementierung von Methoden aus dem Bereich des Machine Learnings für die Steuerung
von Multi-Energie Systemen
• Definition von Evaluationsszenarien
• Simulation der Szenarien

• Vorkenntnisse im Bereich Energiesysteme/Machine Learning sind hilfreich, aber nicht
zwingend notwendig
• Grundlegende Kenntnisse der Programmiersprache Python