Home | english  | Impressum | Datenschutz | Sitemap | KIT

Parameterunsicherheit in Energiesystemmodellierung mit stochastischer Optimierung

Parameterunsicherheit in Energiesystemmodellierung mit stochastischer Optimierung
Stellenausschreibung:

Parameterunsicherheit in Energiesystemmodellierung mit stochastischer Optimierung

Links:
Stellenart:

Masterarbeit

Fakultät/Abteilung:

Fakultät für Informatik

Institut:

Institute für Automation und Angewandte Informatik

Eintrittstermin:

jederzeit

Bewerbungsfrist:

flexibel

Kontaktperson:

Neumann, Fabian

Die Erfüllung der Pariser Klimaabkommen bedeutet, bis Mitte des Jahrhunderts die Netto-Null-Kohlendioxidemissionen zu erreichen. Um die kostengünstigsten Wege zur Erreichung dieser Ziele zu finden, erstellen die Forscher Optimierungsmodelle des Energiesystems.  Natürlich sind Modelle zukünftiger Energiesysteme mit vielen Unsicherheiten behaftet. Diese können entweder struktureller oder parametrischer Natur sein. Strukturelle Unsicherheit bezieht sich auf Modellungenauigkeiten, die durch die Verwendung vereinfachter physikalischer Modelle verursacht werden, z.B. für den Stromfluss in Stromnetzen, die die Realität nur annähernd widerspiegeln. Andererseits bezieht sich die parametrische Unsicherheit auf nicht eindeutige Annahmen über die Investitionskosten und technischen Parameter von Generatoren, Übertragungsinfrastruktur und Speichereinheiten im Jahr 2050. Bei sich ändernden Kombinationen von Kostenannahmen kann sich der optimale Technologiemix jedoch erheblich ändern. Daher ist es entscheidend, gute Parameterschätzungen zu finden (oder zumindest ihre Unsicherheit zu berücksichtigen), um solide Investitionsentscheidungen zu treffen. Mit Methoden der Optimierungs- und Dualitätstheorie kann eine systematische Sensitivitätsanalyse der Optimierungsergebnisse durchgeführt werden, d.h. die Untersuchung, wie sich Entscheidungen ändern, wenn ein bestimmter Parameter variiert wird. Darüber hinaus können Techniken der stochastischen Optimierung die Unsicherheit direkt in die Modellformulierung einbeziehen. In diesem Projekt untersuchst Du die Rolle der parametrischen Unsicherheit bei der langfristigen Investitionsplanung für ein Energiesystemmodell mit europäischer Dimension.

Potenzielle Forschungspfade

  • Untersuchung von Ansätzen zur Sensitivitätsanalyse in der linearen Programmierung und stochastischen Optimierung.
  • Identifizierung des Ausmaßes der Sensibilitäten und der am stärksten dominierenden Parameter.
  • Formulierung und Implementierung eines stochastischen Optimierungsproblems aus dem ursrpünglichen Optimierungsproblem unter Berücksichtigung der Verteilung der sensitiven technoökonomischen Parameter.
  • Analysieren von Investitionsentscheidungen im Energiesystem, wie sich diese unter Berücksichtigung von Unsicherheiten ändern.

Persönliche Qualifikationen

Wir suchen motivierte Studenten der Informatik, Physik, Mathematik, Wirtschaftswissenschaften oder verwandter Fachrichtungen, die sich für Energiesysteme, Wirtschaft, Datenverarbeitung und numerische Optimierung interessieren. Grundkenntnisse in diesen Themen sind wünschenswert, ebenso wie Erfahrungen mit der objektorientierten Programmierung. Das Projekt wird hauptsächlich in Python mit Paketen wie Pandas und Pyomo durchgeführt. Wenn du das bereits kennst, ist das auch ein Plus.

Unsere Gruppe

Wir sind eine junge, internationale und hilfsbereite Forschungsgruppe am Institut für Automatisierung und angewandte Informatik, die sich der Verhinderung einer katastrophalen globalen Erwärmung und der Open-Source-Softwareentwicklung verschrieben hat. Wir freuen uns auf die Zusammenarbeit mit dir!

Literature and Links

  • Convex Optimization by Stephen Boyd and Lieven Vandenberghe (Cahpter 5.6)
  • An Introduction to Continuous Optimization by Niclas Andreasson, Anton Evgrafov, and Michael Patriksson (primarily Chapter 10)
  • PyPSA-Eur: https://github.com/pypsa/pypsa-eur
  • PyPSA: https://github.com/pypsa/pypsa and https://pypsa.readthedocs.io/en/latest/