| Titel der Lehrveranstaltung / des Moduls | Optimierung von Energiesystemen |
| Kennzahl der Lehrveranstaltung / des Moduls | 072722320101 |
| Unterrichtssprache | Deutsch |
| Art der Lehrveranstaltung (Pflichtfach, Wahlfach) | Pflichtfach |
| Semester in dem die Lehrveranstaltung angeboten wird | Sommersemester 2026 |
| Semesterwochenstunden | 2 |
| Studienjahr | 2026 |
| Niveau der Lehrveranstaltung / des Moduls laut Lehrplan | 2. Zyklus (Master) |
| Anzahl der zugewiesenen ECTS-Credits | 3 |
| Name des/der Vortragenden | Klaus RHEINBERGER |
| Voraussetzungen und Begleitbedingungen |
Lehrveranstaltung "Mathematische Optimierung" |
| Lehrinhalte |
- Grundlagen der Graphentheorie und Anwendung auf vernetzte Energiesysteme
- Modellierung typischer Bausteine in einem vernetzen Energiesystem: (MI)LP, binäre Variablen, Diskretisierung von DGL, Zeitdiskretisierung, Ladeflexibilität in der E-Mobilität, elektrische und thermische Speicher, verschiebbare Lasten
- typische Zielfunktionen in einem vernetzten Energiesystem: (Energie- und Leistungs-)Kosten, Spitzenlast, Emissionen, Eigenverbrauch, Variation, Tracking
- Implementierung in Python mit einer open source algebraischen Modellierungssprache und unterschiedlichen Solvern
- Anwendungsbeispiele: Batteriespeicher mit Wirkungsgraden, Warmwasserboiler, PV-Anlage, thermisch gekoppelte Räume eines Gebäudes, E-Fahrzeuge, Kraftwerke, Wärmepumpen, elektrische und thermische Netze
|
| Lernergebnisse |
Nach Abschluss der Lehrveranstaltung können die Studierenden vernetzte Energiesysteme optimieren. Sie können
- grundlegende Elemente der Graphentheorie verstehen und in Energiesystemen identifizieren.
- typische, verbraucherseitige Flexibilitäten in einem vernetzen Energiesystem modellieren.
- solche Energiesysteme bezüglich verschiedenen Zielfunktionen optimieren.
- Energiesysteme mit einer open source Modellierungssprache implementieren und mit unterschiedlichen Solvern lösen.
Die Studierenden erwerben folgende Future Skills:
- Digital Literacy: Implementieren am Computer mit Python und Anwendung von Solvern
- Academic Creativity: Modellierung von Energiesystemen
- Communication Skills: Präsentation und Erklärung von mathematischen Konzepten
- Environmental and Sustainability Awareness: Anwendung auf Energieprobleme
|
| Geplante Lernaktivitäten und Lehrmethoden |
Integrierte Lehrveranstaltung mit Vorlesungen und Übungen. |
| Prüfungsmethode und Beurteilungskriterien |
- Bewertung von Übungsaufgaben (20 %)
- Schriftliche Prüfung (80 %)
Für eine positive Gesamtnote müssen bei jedem Prüfungsteil mindestens 50 % der Punkte erreicht werden. |
| Kommentar |
Keiner |
| Empfohlene Fachliteratur und andere Lernressourcen |
- Sioshansi, Ramteen; Conejo, Antonio J. (2017): Optimization in Engineering: Models and Algorithms. Springer.
- Kallrath, Josef (2013): Gemischt-ganzzahlige Optimierung: Modellierung in der Praxis: Mit Fallstudien aus Chemie, Energiewirtschaft, Papierindustrie, Metallgewerbe, Produktion und Logistik. Springer.
- Williams, H. Paul (2013): Model Building in Mathematical Programming. 5th edition, Wiley.
- Schellong, Wolfgang (2016): Analyse und Optimierung von Energieverbundsystemen. 1. Auflage, Springer.
- Barbato, Antimo; Capone, Antonio (2014): Optimization Models and Methods for Demand-Side Management of Residential Users: A Survey. In: Energies, 7 (2014), 9, S. 5787–5824. Online im Internet: DOI: 10.3390/en7095787.
|
| Art der Vermittlung |
Präsenzlehrveranstaltung und Blended Learning (Begleitetes Lernen mit einer Webseite).
Die Studierenden werden vor Beginn der Lehrveranstaltung über die Anwesenheitsvorgaben der Lehrbeauftragten informiert. |