Optimierung von Energiesystemen durch Reinforcement Learning
Optimaler Betrieb ist eine Anforderung an intelligente Energiesysteme, in denen verschiedene Technologien auf komplexe Weise zusammenwirken. Datengetriebene Ansätze wie Reinforcement Learning können dabei schnelle und zuverlässige Regelungsstrategien auf der Grundlage trainierter Szenarien liefern, ohne sich auf direkte Vorhersagetechniken und vordefinierte Regeln zu verlassen.
Ziel dieser Masterarbeit ist es, einen auf Reinforcement Learning basierenden Regler auf den Anwendungsfall eines virtuellen Kraftwerks für ein nachhaltiges Schiffsenergiesystem zu implementieren. Das einfachste Design kann aus einem oder zwei Motoren und einer Batterie bestehen, die das Antriebsprofil eines Schiffes auf die energieeffizienteste Weise versorgen müssen. Basierend auf einem bestehenden Simulationsrahmen für Energiesysteme am LEC (ENERsim) soll ein Grundkonzept zur Kopplung eines Reinforcement-Learning-Moduls erarbeitet und die Möglichkeiten und Grenzen der Technik analysiert werden.
Ziel dieser Masterarbeit ist es, einen auf Reinforcement Learning basierenden Regler auf den Anwendungsfall eines virtuellen Kraftwerks für ein nachhaltiges Schiffsenergiesystem zu implementieren. Das einfachste Design kann aus einem oder zwei Motoren und einer Batterie bestehen, die das Antriebsprofil eines Schiffes auf die energieeffizienteste Weise versorgen müssen. Basierend auf einem bestehenden Simulationsrahmen für Energiesysteme am LEC (ENERsim) soll ein Grundkonzept zur Kopplung eines Reinforcement-Learning-Moduls erarbeitet und die Möglichkeiten und Grenzen der Technik analysiert werden.