HDS-LEE

Ziel:

Bewältigung der Herausforderung, erneuerbare Energiesysteme zu entwickeln, indem der Schwerpunkt auf die Konzeption und Steuerung dezentraler, integrierter Energienetze durch Datenwissenschaft gelegt wird. Dies erfordert die Erfassung und Verarbeitung großer Mengen von Betriebsdaten, die mit Hilfe von Hochleistungssimulationen, Optimierungsalgorithmen und datengesteuerten Modellen analysiert werden.

Beitrag vom ICE-1:

- Anwendung von erklärbarer künstlicher Intelligenz (XAI) auf reale und simulierte Daten, um Schlüsselfaktoren für widerstandsfähige kohlenstoffarme Energiesysteme zu identifizieren.

- Einsatz von Reinforcement Learning und Koopman-Theorie zum Erlernen aufgabenoptimaler dynamischer Ersatzmodelle für die echtzeitfähige Betriebsoptimierung komplexer Energiesystemkomponenten

-Nutzung der halbunendlichen Programmierung zur Ermittlung nachhaltiger und robuster Designs für isolierte Energiesysteme