Siehe die englische Seite.

Geodätische Konvexe Optimierung ist seit kurzem im Fokus der Machine Learning Forschung. Dies rührt daher, dass einige zentrale Probleme, die auf den ersten Blick nicht-konvex erscheinen, mit geeigneter Differentialstruktur und Metrik geodätisch konvex sind. In der Thesis soll der Studierende einen empirischen Vergleich anstellen zwischen nicht-konvexen Optimierungsverfahren und geodätisch konvexen Verfahren.

Voraussetzungen

• Ausarbeitung ist in englischer Sprache anzufertigen
• Kurse Machine Learning I and II erfolgreich bestanden
• Programmierkenntnisse in Python
• Grundlagen in den Bereichen Differenzialgeometrie und Konvexe Optimierung

Das Stromnetz spielt eine wichtige Rolle in unserem täglichen Leben. Um die neuen Technologien einzuführen und den Energieübergang zu erleichtern, wurden Simulationen durchgeführt, um die Durchführbarkeit neuer Entwicklungen zu bewerten. Heute sprechen wir nicht nur über die Stabilität, Zuverlässigkeit und Effizienz des Netzes, sondern auch über seine Belastbarkeit oder die Fähigkeit, vorausschauend zu handeln, zu reagieren, sich anzupassen und wiederherzustellen. Um die Belastbarkeit des heutigen Stromnetzes zu erhöhen, sind daher Simulationen und Software-Bewertungen erforderlich, um die Multidomänen-Interdependenzen der Cyber-Physical Human Systems (CPHS) zu koppeln. Extreme Wetterereignisse sind auf der ganzen Welt immer häufiger aufgetreten. Diese Ereignisse haben gezeigt, wie anfällig das Verteilungsnetz ist.

Gut platzierte und koordinierte Verbesserungen, wie z.B. Systemhärtung und Redundanz, orchestrierte Mikrogitter und fortgeschrittene Fehlererkennung, können die Anzahl der Ausfälle reduzieren, die aufgrund von HILP-Ereignissen (High Impact Low Probability) auftreten könnten. Wir bieten eine Bachelor-/Master-Thesis auf dem Gebiet der Stromnetzsimulation und Integration verteilter Energieressourcen an. Die Arbeit wird die verschiedenen Phasen von der Modellentwicklung über die Schwachstellenanalyse bis hin zur Leistungsflussoptimierung im Zusammenhang mit verteilten Energieressourcen in Stromnetzen kapseln.

Anforderungen

• Studien auf dem Gebiet der technischen Informatik, Regelungstechnik, Automatisierung, Elektrotechnik, Energietechnik oder ähnliches
• Gute Kenntnisse und praktische Erfahrung in Python, Co-Simulationsparadigmen, ArcGIS, Simulink oder Power Factory
• Teamarbeit und zielorientierte Arbeitsweise
• Interesse an Themen der Erneuerbaren Energien und Automatisierungstechnik
• Aufgabenorientiertes und selbstständiges Lernen

Forschungsschwerpunkt