Menü
Startseite » Stud. Arbeiten » Umsetzung mathematischer Optimierung und künstlicher Intelligenz zur Steuerung versorgungstechnischer Anlagen in der ETA-Fabrik

Umsetzung mathematischer Optimierung und künstlicher Intelligenz zur Steuerung versorgungstechnischer Anlagen in der ETA-Fabrik

Aufgabenstellung

Unternehmen der industriellen Fertigung befinden sich in einem Spannungsfeld, das zunehmend durch verschärfende Entwicklungen der Produktionsbedingungen wie etwa steigende Energiekosten, knapper werdende Ressourcen und der Forderungen nach gesellschaftlicher Verantwortung beschrieben wird. Smarte Fabriken müssen mit Last- und Bedarfsprognosen auf schwankende Strompreise reagieren und es muss eine bedarfsgerechte Versorgung durch dezentrale Energieversorgungsanlagen sichergestellt werden.

Um die Deckung von Energiebedarfen möglichst kosten- und energieeffizient zu gestalten, gibt es verschiedene Möglichkeiten, dezentrale Versorgungssysteme zu steuern. Neben der Steuerung durch modellprädiktive Ansätze mittels gemischt-ganzzahliger linearer Optimierung (MILP), gibt es datenbasierte Ansätze durch neue Methoden des maschinellen Lernens, speziell das Deep Reinforcement Learning (DRL). Ein Framework hierzu besteht bereits an der ETA-Fabrik, ein Vergleich beider Ansätze hinsichtlich der Durchführbarkeit an realen Systemen steht jedoch noch aus.

Das Ziel der Arbeit ist es, zwei bestehende Ansätze für einen konkreten Anwendungsfall echtzeitfähig an einer Simulation zu erproben und schließlich an einem realen System in der ETA-Fabrik zu implementieren und zu validieren.

Schwerpunkte

Die Aufgabenstellung lässt sich in folgende Arbeitspakete unterteilen:

  • Literaturrecherche zum Stand der Technik echtzeitfähiger Steuerung von versorgungstechnischen Anlagen
  • Weiterentwicklung und Anwendung der bestehenden Modelle in einer Simulation für einen Fall mit Wärmepumpe sowie thermischen und elektrischen Speichern
  • Integration einer Schnittstelle zur Anlagensteuerung in das vorhandene Framework
  • Anwendung der simulativ getesteten Ansätze an den realen Anlagen der ETA-Fabrik
  • Auswertung und Validierung

Notwendige Vorkenntnisse

Kontakt

Teile diese Ausschreibung

Share on facebook
Share on twitter
Share on linkedin
Share on pinterest
Share on print
Share on email