Constraintbasiertes Machine Learning zur Betriebsoptimierung elektrifizierter chemischer Anlagen

Forschungsthema/Bereich

Machine Learning, Optimierung, Energieflexibilität

Typ der Abschlussarbeit

Bachelor / Master

Startzeitpunkt

-

Bewerbungsschluss

30.06.2027

Dauer der Arbeit

3 - 6 Monate

Beschreibung

Im E-Industry-Projekt des Energy Labs wird der Betrieb neu elektrifizierter chemischer Anlagen an schwankende Strompreise angepasst, die durch den wachsenden Anteil erneuerbarer Energien entstehen. Damit lassen sich die Betriebskosten senken sowie Erzeugung und Verbrauch erneuerbarer Energien am Markt besser zusammenführen.

Die Bestimmung der optimalen Betriebspunkte erfolgt klassischerweise mittels Mixed-Integer-Linear-Programming. Dieses Verfahren kann jedoch zu sehr komplexen Optimierungen führen, deren Laufzeiten eine Echtzeitoptimierung unmöglich machen.

Machine Learning ermöglicht durch modellfreie Optimierung deutlich kürzere Laufzeiten. Jedoch können klassische neuronale Netze nicht garantieren, dass ihr Output alle Nebenbedingungen der Optimierung erfüllt.

Ziel dieser Arbeit ist es, die Ausgaben eines neuronalen Netzes so zu beschränken, dass die Optimierungsbedingungen exakt oder so nah wie möglich eingehalten werden. Dabei wird auf einem bestehenden constraintbasierten Optimierungsmodell aufgesetzt. Die betrachteten Nebenbedingungen sind gemeinsam mit uns wählbar.

Die Arbeit besteht aus folgenden Aufgaben:
• Klassifizierung von Nebenbedingungen
• Literaturrecherche zu bestehenden Verfahren
• Auswahl realistischer Nebenbedingungen
• Auswahl von Enforcement-Verfahren
Implementierung in eine bestehende Code-Base

Die vollständige Ankündigung der Abschlussarbeit findet sich unter:
https://www.iai.kit.edu/Studentische_Arbeiten_5875.php

The thesis may also be written in English.

Voraussetzung

Voraussetzungen an Studierende

• Erfahrung mit Python (und Matlab)
• Erste Erfahrungen mit PyTorch und PyTorch Lightning sind hilfreich
• Grundkenntnisse in Machine Learning
• Freude an formalem Denken (Automaten-/Zustandslogik und Optimierung)
• Lust, eigene Ideen einzubringen

Studiengangsbereiche

• Ingenieurwissenschaften
  Elektrotechnik & Informationstechnik
  Maschinenbau
  Mechanical Engineering
  Computer Science
  Electrical Engineering and Information Technology

Betreuung

Titel, Vorname, Name

M.Sc. Dennis Becker & apl. Prof. Dr. Jörg Matthes

Organisationseinheit

Institut für Automation und angewandte Informatik (IAI)

E-Mail Adresse

dennis.becker2@kit.edu

Link zur eigenen Homepage/Personenseite

Website

Bewerbung per E-Mail

Bewerbungsunterlagen

• Anschreiben
• Notenauszug

E-Mail Adresse für die Bewerbung
Senden Sie die oben genannten Bewerbungsunterlagen bitte per Mail an dennis.becker2@kit.edu


Zurück