Veranstaltung

Die hier angezeigten Termine und Veranstaltungen werden dynamisch aus Stud.IP heraus angezeigt.

Daher kontaktieren Sie bei Fragen bitte direkt die Person, die unter dem Punkt Lehrende/Dozierende steht.

Veranstaltung

Semester: Sommersemester 2024

2.01.515 Intelligente Energiesysteme -  


Veranstaltungstermin | Raum

Beschreibung

Modern power grids face a multitude of challenges: A high share of renewables means a more sophisticated management of real power demand and supply, ancillary services are provided in an ever more decentralized manner, and power grids must become resilient instead of just being robust. Agent systems have established themselves as methodology for a decentralized and resilient operation of modern power grids. Especially learning agents based on Deep Reinforcement Learnings can react to unforseen events and find good strategies even in complex situations. In this lecture, we will introduce an approach for flexibility modelling as a way to provide an agent's view of the world, and will extensively concern ourselves with the application of Deep Reinforcement Learning in power grids, including approaches to explainability and learning from domain knowledge (offline learning).

Lehrende

TutorInnen

Studienbereiche

  • Studium generale / Gasthörstudium

SWS
4

Lehrsprache
deutsch und englisch

Anzahl der freigegebenen Plätze für Gasthörende
1

Für Gasthörende / Studium generale geöffnet:
Ja

Hinweise zum Inhalt der Veranstaltung für Gasthörende
Die Veranstaltung befasst sich mit der Integration (verteilter) künstlicher Intelligenz in die zukünftige Steuerung des Energienetzes. Die Integration von verteilt genutzten und dargebotsabhängigen Primärenergien stellt eine wesentliche Herausforderung der Energiewende dar. Mit der zunehmenden Digitalisierung wird aus den historisch gewachsenen Energieversorgungsstrukturen ein komplexes und dynamisches cyber-physisches Energiesystem (CPES), in dem tausende Komponenten miteinander interagieren. Moderne Techniken der künstlichen Intelligenz und des maschinellen Lernens leisten dabei an vielen Stellen einen Beitrag: beispielsweise in der semi-automatischen Betriebsführung von Stromnetzen, bei der von Einsicht getriebenen Vermarktung von dezentralen Energieanlagen oder bei der Prognose von Last- und Erzeugungszeitreihen. Dabei erfordert die enge Verknüpfung von Energiesystemen und IKT-Infrastruktur in Smart Grids auch ein adaptives und autonomes „Immunsystem“, um mit Angriffen gegen die Infrastruktur und Ausfällen von Teilsystemen umgehen zu können. Durch verteilte Künstliche Intelligenz wird es möglich, die verteilten Komponenten eines CPES mit Intelligenz und Autonomie auszustatten und mit Verfahren der Selbstorganisation untereinander zu vernetzen. Inhaltlich geht es um Agenten im Smart Grid, Verteilte Lastplanung, Flexibilitätsmodellierung durch Dekoder/ Surrogatmodellierung, Combinatorial Optimization Heuristics for Distributed Agents, Deep Learning mit PyTorch, Reinforcement Learning und Q-Learning, Differentiable Neural Computing und Adversarial Resilience Learning

(Stand: 19.01.2024)  | 
Zum Seitananfang scrollen Scroll to the top of the page