22.01.2024

Masterarbeit (m/w/d) – Reinforcement Learning mit Flexumer-Agenten

Mit dem Zubau neuer elektrischer Verbraucher wie Elektrofahrzeugen oder elektrischen Wärmepumpen in den Verteilnetzen verlieren etablierte Standardlastprofile ihre Bedeutung. Stattdessen setzen Anschlussnehmer mit flexiblen Anlagen (Flexumer) diese neben dem primären Anwendungszweck vermehrt für verschiedene Anwendungsfälle bspw. im Rahmen von V2H oder V2G ein. Der Lastgang dieser Haushalte wird dadurch immer unvorhersehbarer und es wird für die Netzbetreiber schwieriger, die Netzauslastung zu steuern. Daraus ergeben sich zum einen gänzlich neue Herausforderungen hinsichtlich der Lastprognose, und zum anderen auch Fragestellungen wie begrenzte Netzkapazitäten im Engpassfall unter betroffenen Anschlussnehmern optimal koordiniert werden können.

Im Rahmen der Masterarbeit soll ein agentenbasiertes Simulationsmodell implementiert werden, das durch den Einsatz von Reinforcement Learning Flexumer-Agenten hinsichtlich optimaler Betriebsstrategien trainiert und die resultierenden Lastgänge evaluiert. Studierende bekommen die Chance im Team der FfE eigene Ideen einzubringen, an der Methoden- und Modellentwicklung mitzuarbeiten und selbstständig wissenschaftliche Fragestellungen zu bearbeiten, um so Einblicke in die wissenschaftliche Praxis zu bekommen.

Deine Aufgabenbereiche

  • Modellierung von Flexumer-Haushalten in einem agentenbasierten Framework
  • Training von Prosumer-Agenten mittels Reinforcement Learning zur Optimierung nach verschiedenen Kriterien (Kosten, Emissionen, Komfort)
  • Sensitivitätsanalysen zum Einfluss der Prognosefähigkeit auf die Strategie der Agenten
  • Aufbau eines Multi-Agent Frameworks (MARL) zur Analyse von Koordinationsmechanismen
Was wir uns von Dir wünschen
  • Ein Studium der Energiewirtschaft, Elektrotechnik, Energietechnik, Informatik, Ingenieurwesen oder ähnliches. Andere Studiengänge sind auch möglich!
  • Hohes Engagement sowie eine strukturierte und selbstständige Arbeitsweise
  • Vorkenntnisse im Bereich Machine Learning / Agentenbasierte Simulation
  • Fundierte Kenntnisse in Python und Grundkenntnisse in SQL
Was wir Dir bieten
  • Forschungsarbeiten mit engem Bezug zur Praxis
  • Ein junges, agiles, motiviertes und interdisziplinäres Forschungsteam
  • Die Chance die Energiewende mitzugestalten
  • Flexible Arbeitszeitgestaltung mit Möglichkeiten zum Home-Office
  • Alle Studierendentätigkeiten werden selbstverständlich vergütet
Übereinandergelegte Hände Pexels Zusammenarbeit

Wir freuen uns auf Deine aussagekräftige Bewerbung inklusive aller für Deinen Werdegang relevanten Zeugnisse. Sende diese bitte als PDF-Anhang per E-Mail an bewerbung@ffe.de.

Beginn: flexibel, ab sofort möglich

Dauer: i.d.R. sechs Monate

Arbeitsort: München oder Homeoffice