Home | english  | Impressum | Datenschutz | Sitemap | KIT

Data Analytics in Energy – Analyzing Emerging Business Models with Machine Learning

Data Analytics in Energy – Analyzing Emerging Business Models with Machine Learning
Typ:Masterarbeit
Datum:vergeben
Betreuer:

Frederik vom Scheidt

Motivation
Die Digitalisierung, Dezentralisierung und Dekarbonisierung des Energiesektors führt zu zahlreichen neuen Geschäftsmodellen, insbesondere in den Bereichen „Intelligentes Energiemanagement“, „Moderne Stromtarife“ und „Energy Communities“. Solche neuen Geschäftsmodelle können disruptive Auswirkungen auf das Energiesystem und dessen Akteure haben. Da Feldtests nur eingeschränkt durchführbar sind, braucht es Analysen auf Basis von Simulationen, die mit Hilfe von Anwendungen der künstlichen Intelligenz erste belastbare Erkenntnisse erzeugen können.

Umfang der Arbeit
Im Rahmen dieser Arbeit wird die/der Studierende eine agentenbasierte Simulation in Python programmieren, um ein ausgewähltes Geschäftsmodell aus den Bereichen „Intelligentes Energiemanagement“, „Moderne Stromtarife“ und „Energy Communities“ zu untersuchen. Intelligente Agenten können durch Reinforcement Learning (RL) iterativ erlernen, wie sie auf Signale neuer Geschäftsmodelle reagieren. RL umfasst verschiedene Ansätze im Bereich der künstlichen Intelligenz, die es Agenten erlauben, ihr Verhalten anhand von Feedback Loops zu optimieren, um das individuell optimale Ergebnis zu erreichen.
Durch die Masterarbeit wird die/der Studierende einen Einblick in die Zukunft der Energiewirtschaft erhalten, ihre/seine Programmierfähigkeiten weiterentwickeln und die Umsetzung einer Machine-Learning basierten Agentensimulation erlernen. Die Erkenntnisse dieser Masterarbeit werden in zukünftigen Arbeiten als wichtiger Input dienen, z.B. für übergeordnete Stromsystemmodelle.

Anforderungen

  • Grundkenntnisse in Python (oder einer anderen Programmiersprache)
  • Vorkenntnisse aus der Energiewirtschaft
  • Hohe Motivation

Bitte bewerben Sie sich mit einem prägnanten Motivationsschreiben, aktuellem Lebenslauf und aktuellem Notenauszug.


Literatur
Weidlich, Anke. Engineering interrelated electricity markets: an agent-based computational approach. Springer Science & Business Media, 2008.