Seite drucken

Masterarbeit

Heuristische Optimierung von Day-Ahead-Preisfunktionen auf Basis von Lastprogrnosen für Demand-Response mit Wasserbetten

Ziel der Masterarbeit ist es zu untersuchen, wie mit heuristischen Verfahren Verbraucherstrompreise für Wasserbetten gebildet werden können, so dass deren Stromverbrauch beim Stromanbieter mit den oben beschriebenen Annahmen zu minimalen Kosten an der Strombörse führt. Kandidaten für heuristische Verfahren sind z. B. Gradient-Descent, Simulated-Anealing, Particle Swarm Optimization oder genetische Algorithmen. Angenommen wird ein Stromnetz, das ausschließlich Wasserbetten mit dem gleichen Regelalgorithmus enthält. Deren Leistungsaufnahme wird abhängig von Strompreisverläufen (und anderem) mit Neuronalen Netzen vorhergesagt. Dazu wird zunächst untersucht, mit welcher Genauigkeit die Leistungsaufnahme vieler Wasserbetten mit DR durch neuronale Netze vorhergesagt werden kann. Die Untersuchung findet für mehrere Regelalgorithmen zur Temperaturregelung von Wasserbetten statt. Welches Verhalten Wasserbetten tatsächlich haben, wird mit einem vorhandenen, in Java geschriebenen Simulator bestimmt, der bereits mehrere Regelalgorithmen unterstützt. Mit diesem sollen auch Daten zum Training des neuronalen Netzes zur Lastprognose erzeugt werden.

Enddatum 31. Dezember 2017
Betreuer Dr. Marcus Venzke