Technische Universität Ilmenau

Energieeinsatzoptimierung multimodaler Energieversorgungssysteme - Modultafeln der TU Ilmenau

Die Modultafeln sind ein Informationsangebot zu den Studiengängen der TU Ilmenau.

Die rechtsverbindlichen Studienpläne entnehmen Sie bitte den jeweiligen Studien- und Prüfungsordnungen (Anlage Studienplan).

Alle Angaben zu geplanten Lehrveranstaltungen finden Sie im elektronischen Vorlesungsverzeichnis.

Informationen und Handreichungen zur Pflege von Modulbeschreibungen durch die Modulverantwortlichen finden Sie unter Modulpflege.

Hinweise zu fehlenden oder fehlerhaften Modulbeschreibungen senden Sie bitte direkt an modulkatalog@tu-ilmenau.de.

Modulinformationen zu Energieeinsatzoptimierung multimodaler Energieversorgungssysteme im Studiengang Master Wirtschaftsingenieurwesen 2021 (ET)
Modulnummer200572
Prüfungsnummer2100914
FakultätFakultät für Elektrotechnik und Informationstechnik
Fachgebietsnummer 2167 (Energieeinsatzoptimierung)
Modulverantwortliche(r)Prof. Dr. Peter Bretschneider
TurnusWintersemester
SpracheDeutsch
Leistungspunkte5
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungWahlmodul
Abschlussmündliche Prüfungsleistung, 30 Minuten
Details zum Abschluss
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Vorkenntnisse

Wünschenswerte Vorkenntnisse:

  • Grundlagen elektrischer Energieversorgungssysteme
  • Grundlagen der Prozess- und Datenanalyse
  • Physikalische Grundlagen im Bereich thermischer Prozesse
  • Mathematische Grundlagen im Bereich der Optimierung  

Lernergebnisse und erworbene Kompetenzen

Die Studierenden haben Kenntnisse in:

  • Sektorengekoppelte (cross-sektorale) Energiesysteme
  • Entscheidungshilfesysteme (Assistenzsysteme) für die optimale Prozessführung
    • Aufgaben von Entscheidungshilfesystemen
    • Entscheidungskonzepte
    • Entwurfsgrundlagen
    • Wissenstypen und Wissensermittlung
    • Einordnung von Experten-, Beratungs- und Entscheidungshilfesystem
    • Planungsebenen in der Energiewirtschaft
  • Entscheidungstheorie
    • Grundmodelle
    • Entscheidungssituationen (Sicherheit, Risiko, Unsicherheit und Spielsituation)
  • Automatische Klassifikation
    • Merkmale, Objekte und Klassen
    • Klassifikatortypen: Deterministische Klassifikatoren, Fuzzy-Klassifikatoren, Neuronale Netz-Klassifikatoren, Bayes Klassifikatoren, Abstandsklassifikatoren
    • Klassifikatorentwurf
  • Fuzzy Systeme
    • Grundlagen der Fuzzy-Theorie
    • Konzepte von Zugehörigkeitsfunktionen
    • Fuzzyfizierung, Fuzzy-Regel-Verarbeitung und Defuzzyfizierung
    • Modellbildung mit Fuzzy-Systemen
  • Neuronale Netze
    • Grundlagen künstlicher neuronaler Netze
    • Lernverfahren Back Propagation Verfahren
    • Modellbildung mit Neuronalen Netzen (Statik, Dynamik)
  • Methoden zur Energiezeitreihenprognose
    • Prozess-, System- und Signalmodell
    • Vorgehensweise der experimentellen Modellbildung
    • Grundansatz für die Modellbildung
    • Ausgewählte Ansätze zur Zeitreihenprognose
  • Methoden zur Energieeinsatzoptimierung:
    • Optimierungsverfahren und Anwendungsgebiete
    • Identifikation der Problemstellung, Festlegung des Bilanzraumes und Modellierung der energiewirtschaftlichen Problemstellung
    • Szenarien- und Variantenrechnung
  • Multiagentensysteme für die dezentrale, verteilte optimale Entscheidungsfindung
    • Grundlagen, Begrifflichkeiten
    • Anwendungsgebiete
    • Ziele und Interaktion von Agenten
    • Lernverfahren       


Erwerb von Kompetenzen

  • Nach der Veranstaltung sind die Studierenden in der Lage, die Sektorenkopplung und somit cross-sektorale Energiesysteme zu erklären sowie die Vor- und Nachteile und die damit verbundenen Herausforderungen abzuleiten.
  • Die Studierenden sind nach der Vorlesung befähigt, zwischen den markt- und netzseitigen Aufgaben und Anforderungen für die optimale Betriebsführung cross-sektoraler Energiesysteme zu unterscheiden.
  • Die Studierenden sind nach dem Besuch der Vorlesung in der Lage, die Einsatzmöglichkeiten von Entscheidungshilfesystemen (Assistenzsysteme) für die Problemstellungen der Energieeinsatzoptimierung zu erläutern.
  • Die Studierenden sind nach Abschluss des Moduls mit verschiedenen Ansätzen und Methoden der Entscheidungstheorie, der automatischen Klassifikation, der Fuzzy-Systeme und der künstlichen Neuronalen Netze vertraut.
  • Ferner sind die Studierenden am Ende der Veranstaltung befähigt, energiewirtschaftliche Problemstellungen mit den Methoden der Energieeinsatzoptimierung oder der Multi-Agenten-Systeme zu lösen.
  • Nach dem Besuch eines rechnergestützten Seminars können die Studierenden die Eigenschaften relevanter Optimierungsmodelle beurteilen.
  • Die Studierenden beurteilen die Methoden zur Energieeinsatzoptimierung und sind fähig, Optimierungsmodelle zu erstellen und korrekt zu lösen.
  • Nach Abschluss des Modules können die Studierenden in Beziehungen zu ihren Mitmenschen der Situation angemessen zu handeln.


Inhalt

Energieeinsatzoptimierung für multimodale Energiesysteme: Versorgungsmedien- und sektorenübergreifende Energiesysteme, Zeitreihenanalyse- und -prognose: Mathematische Methoden zur Analyse und Identifikation von linearen und nichtlinearen Energiezeitreihen (Bedarf, und Erzeugung), Erstellung geeigneter Prognosemodelle und Methoden zur Bewertung der Prognosegüte; Verfahren zur Energieeinsatzoptimierung: Linear, gemischt ganzzahlig und nichtlinear; Vorgehensweise zur Modellierung und Erstellung von mathematischen Optimierungsaufgaben; Übungen zur Energieprognose und zur Energieeinsatzoptimierung

Medienformen

Präsenz- oder Online-Veranstaltung möglich

  • Präsenzveranstaltung: Präsentation mit Beamter, Tafelbilder,  Aushändigung der entsprechenden Skripte  
  • Online-Veranstaltung: Präsentation per Web-Konferenz
Literatur
  • Bazaraa, Sherali, Shetty: "Nonlinear Programming: Theory and Algorithms", 3. Auflage, John Wiley & Sons, Inc., 2014,
  • Bomze, I. M., Grossmann, W.: "Optimierung - Theorie und Algorithmen - Eine Einführung in Operation Research für Wirtschaftsinformatiker", Wissenschaftsverlag Mannheim, Leipzig, Wien, Zürich 1993, ISBN 3-411-15091-2
  • Bonnans, J.-F., Gilbert, J.C., Lemarechal, C., Sagastizábal, C.A.: "Numerical Optimization", Springer, ISBN 978-3-540-35447-5
  • K.H. Borgwardt, "Optimierung, Operation Research, Spieltheorie: Mathematische Grundlagen", Birkenhäuser, 2001
  • S. I. N. Bronstein, K.A. Semendjajew, G. Grosche, V. Ziegler, D. Ziegler: "Teubner-Taschenbuch der Mathematik" ,Teuber Stuttgart, Leipzig 1996
  • M. Kaltschmidt, W. Streicher, A. Wiese: "Erneuerbare Energien - Systemtechnik, Wirtschaftlichkeit, Umweltaspekte, 4. Auflage, Springer-Verlag Heidelberg, 1993, 1997, 2003, 2006, ISBN-10 3-540-28204-1
  • Siegfried Heiler, Paul Michels: "Deskriptive und Explorative Datenanalyse", R. Oldenbourg Verlag GmbH, 1994, ISBN 978-3-486-22786-4
  • J. Karl: "Dezentrale Energiesysteme - Neue Technologien im liberalisierten Energiemarkt", De Gruyter Oldenbourg, 2012, 2. Auflage, ISBN 978-3486577228
  • Koch, M., Kuhn Th., Wernstedt, J.: "Fuzzy Control"; Oldenbourg Wissenschaftsverlag GmbH, München 19896
  • Lothar Sachs: "Angewandte Statistik - Anwendung statistischer Methoden", 9. Auflage, Springer-Verlag, Berlin, Heidelberg, New York, 1999, ISBN 978-3-662-05750-6
  • Benjamin Schleinzer: "Flexible und hierarchische Multiagentensysteme", VDM Verlag, 2008, ISBN 9783639025736
  • R. Schlittgen, B. Streitberg: "Zeitreihenanalyse", R. Oldenbourg Verlag GmbH, 9. Auflage, München, 2001, ISBN: 978-3486257250
  • Rainer Schlittgen: "Multivariate Statistik", Oldenbourg Wissenschaftsverlag GmbH, 2009, ISBN 978-3486585957
  • Alireza Soroudi: "Power System Optimazation Modeling in GAMS", Springer 2017, ISBN 978-3-319-62349-8
  • Winfried Stier: "Methoden der Zeitreihenanalyse", Springer-Verlag Berlin, Heidelberg, New York, 2001, ISBN 3-540-41700-1
  • Wernstedt, Jürgen: "Experimentelle Prozessanalyse"; Verlag Technik, Berlin 1989
  • Zell: "Simulation neuronaler Netze", 4. unveränderter Nachdruck, Oldenbourg Wissenschaftsverlag GmbH München, 2003, ISBN 3-486-24350-0
Lehrevaluation