CoCo: Vermeidung von emergierenden Controller-Konflikten in multimodalen Smart Energy Systems
Projektinformationen
CoCo: Vermeidung von emergierenden Controller-Konflikten in multimodalen Smart Energy Systems
Hintergrund
Mit der Forschung in diesem Projekt erweitern wir unsere Arbeit aus unserem ersten DFG-Projekt, das sich mit der Analyse von Reglerkonflikten in multimodalen Smart-Grid-Systemen unter Verwendung des Konzepts der Emergenz in technischen Systemen befasste. Während im ersten Projekt die Identifizierung und Quantifizierung von auftretenden Reglerkonflikten in multimodalen Energiesystemen (MES) einschließlich Gas, Wärme, Strom und Kopplungspunkten im Mittelpunkt stand, werden wir einen Ansatz zur Minderung von Reglerkonflikten entwickeln, d. h. durch Zusammenarbeit in MES.
Die allgemeine Forschungsidee besteht darin, die Aufgabe der Minderung von Reglerkonflikten auf die Minderung von Konflikten zwischen Agenten zu übertragen. Diese Formulierung ermöglicht es uns, Methoden aus dem Bereich der Spieltheorie (GT) anzuwenden und damit eine Lücke zwischen der Modellierung von Energiesystemen und der agentenbasierten Steuerung unter Verwendung agentenbasierter Simulationen zu schließen. Die Interaktion von Steuerungsagenten in MES kann als wiederholte Spiele in einer dynamischen Umgebung beschrieben werden. Um unrealistische Vorbedingungen der GT zu vermeiden, wie z. B. die Annahme einer vollständig beobachtbaren Umgebung und völlig rationaler Agenten, planen wir den Einsatz der evolutionären Spieltheorie (EGT).
In der EGT haben Agenten in jeder Iteration eine veränderliche Strategie (sogenannter Phänotyp), auch wenn diese Strategie nicht die beste Strategie ist. Strategien bestehen also aus einer vorübergehenden Auswahl der besten Reaktion und suboptimalen Reaktionsmöglichkeiten. Im Kontext von Multi-Agenten-Systemen (MAS) steht dieser Ansatz im Einklang mit Explorationsphasen, in denen Agenten suboptimale Wege einschlagen können, um ihre Umgebung kennenzulernen und sich an die Dynamik der Umgebung anzupassen. Andererseits führt die natürliche Selektion zur Unterscheidung oder zum Wachstum einiger Phänotypen. Das Ergebnis ist die Menge der evolutionär stabilen Strategien (ESS). Diese ESS veranschaulicht, ob die ausgewählten Phänotypen zur Entstehung von Kooperation als konfliktfreiem Zustand in MES führen.
Die Entstehung des bevorzugten Kooperationsniveaus kann in drei Schritten erreicht werden: 1) individuelles Lernen, 2) kollektives Lernen und 3) Änderung der regulatorischen Rahmenbedingungen. Die ersten beiden Schritte erfordern eine Erweiterung des in der ersten Projektphase entwickelten Modells um die Fähigkeit zu lernen und zu kommunizieren. Wenn einige Konflikte nicht durch die Erhöhung der Fähigkeiten der Agenten oder durch Zusammenarbeit innerhalb der Gruppe von Agenten gemildert werden konnten, kann eine Änderung der regulatorischen Rahmenbedingungen (d. h. der Regeln) als Möglichkeit zur Lösung des Problems der Konfliktentstehung vorgeschlagen werden.
Publications
- Schrage, Rico and Nieße Astrid (2024). From Coupling to Resilience: Quantifying the Impact of Interconnection in Energy Carrier Grids, arXiv, arXiv:2407.01256 (Preprint)
- Schrage, Rico., Sager, Jens., Hörding, J. P., & Holly, Stefanie (2024). mango: A modular python-based agent simulation framework. SoftwareX, 27, 101791.
- Schrage, Rico (2023): The Role of Coupling Points for Self-Organized Multi-Energy Grid Operation. In: Abstracts of the 12th DACH+ Conference on Energy Informatics 2023 (6), S. 14–16.
- Schrage, Rico; Nieße, Astrid (2023): Influence of adaptive coupling points on coalition formation in multi-energy systems. In: Appl Netw Sci 8 (1). DOI: 10.1007/s41109-023-00553-8.
- Schrage, Rico; Tiemann, Paul Hendrik; Nieße, Astrid (2022): A Multi-Criteria Metaheuristic Algorithm for Distributed Optimization of Electric Energy Storage. In: SIGEnergy Energy Informatics Review 2 (4), S. 44–59. DOI: 10.1145/3584024.3584029.
Publications from the previous phase
- Shahbakhsh, Arash; Nieße, Astrid (2020): Agent Based Modeling in Energy Systems. Parametrization of Coupling Points. In: International Federation of Automatic Control.
- Shahbakhsh, Arash; Nieße, Astrid (2019): Modeling multimodal energy systems. In: at-Automatisierungstechnik 67 (11), S. 893–903.
- Nieße, Astrid; Shahbakhsh, Arash (2018): Analyzing controller conflicts in multimodal smart grids - framework design. In: Energy Informatics, 1.
Software artifacts
The following software artifacts are fully or partially results of this project:
- monee: Framework for calculating the steady-state energy flow and for solving optimization problems in coupled energy grids (gas, heat, electricity) – github.com/Digitalized-Energy-Systems/monee (entirely developed for the project)
- Mango.jl: A modular framework for the rapid development of fast agent systems in Julia – github.com/OFFIS-DAI/Mango.jl, developed in collaboration with OFFIS e.V.
- mango: A modular python-based agent simulation framework – github.com/OFFIS-DAI/mango, mainly developed at the OFFIS e.V. (majorly contributed to)