Entwicklung von Machine-Learning-Methoden zur markt- und netzorientierten Einsatzplanung

Sowohl die markt- als auch die netzorientierte Einsatzplanung von Virtuellen und konventionellen Kraftwerken unterliegt Unsicherheiten. Diese Unsicherheiten umfassen sowohl Preisunsicherheiten an den verschiedenen Strommärkten sowie der fluktuierenden Einspeisung Virtueller Kraftwerke aus erneuerbaren Energien. Darüber hinaus benötigt die netzorientierte Einsatzplanung Prognosen der Einspeise- sowie Lastsituation einzelner Netzknoten.

Methoden des maschinellen Lernens bieten Verfahren zur Entscheidungsoptimierung unter Unsicherheit, da sie anhand großer Datenmengen Muster erkennen und anhand dieser Prognosen für zu erwartende Zustände liefern.

In dieser Arbeit sollen Methoden des maschinellen Lernens für die Einsatzplanung untersucht und (weiter-)entwickelt werden.

 

Dein Profil

  • Studium des Ingenieur- bzw. Wirtschaftsingenieurwesens, der Informatik, Mathematik oder Physik
  • Kenntnisse in Umgang mit Python und Tensorflow von Vorteil

 

Wir bieten Dir:

  • Einbindung in spannende und aktuelle Fragestellungen der Forschung
  • Ein innovatives Institutsumfeld mit sehr guten Industriekontakten auf nationaler und auch auf internationaler Ebene

 


Carlo Schmitt, M.Sc.
Telefon: +49 241 80-93041
schmitt@ifht.rwth-aachen.de


Maria Vasconcelos, M.Sc.
Telefon: +49 241 80-93039
vasconcelos@ifht.rwth-aachen.de