FH Bielefeld
University of
Applied Sciences

Lehre

Lehrgebiete

  • Dezentrale Energiesysteme
  • Elektrische Energiespeicher und Brennstoffzellen
  • Elektrische Netze
  • Elektrotechnik

 

Offene Stellen und Themen für Abschluss- und Projektarbeiten
Die AGNES bietet Studierenden die Möglichkeit in ihren Themenfeldern sowohl studentische Arbeiten wie auch Abschluss- und Projektarbeiten zu bearbeiten. Dabei wird versucht auf die Interessen und Möglichkeiten der Studierenden einzugehen. Die Themen können je nach Bedarf an das Pensum einer Projekt-, Bachelor- oder Masterarbeit angepasst werden. Nachfolgend sind für die Themenfelder aktuelle offene Stellen für Abschluss- und Projektarbeiten aufgeführt.

Themenfeld Prognosesysteme

In diesem Bereich geht es um den Einsatz von künstlicher Intelligenz im elektrisch Netz, insbesondere der Prognose von volatilen erneuerbaren Energien wie PV-Anlagen oder Verbrauchern. Es gibt verschiedene Themen, die in einer Projekt- oder Abschlussarbeit bearbeitet werden können. Im Folgenden sind einige Beispiele für aktuelle Projekt- und Abschlussarbeiten aufgeführt:

  • Projektarbeit: Erstellung eines mathematischen PV-Modells zum Umrechnen der solaren Einstrahlung in die durch die PV-Anlage erzeugte Leistung und Validierung des Modells mit realen Messdaten
  • Abschlussarbeit- oder Projektarbeit: Selbstlernende künstliche neuronale Netze, um den Prognosefehler bei der Vorhersage der PV Leistung einer Anlage zu minimieren, wenn kontinuierlich aktuelle Messwerte mitgelernt werden
  • Abschlussarbeit- oder Projektarbeit: Prognose von einzelnen Haushaltlasten
     

Bei Interesse melden Sie sich bitte bei Katrin Schulte (katrin.schulte@fh-bielefeld.de)

Themenfeld Steuersystem von Niederspannungsnetzen

Das elektrische Netz ist ein komplexes und dynamisches System. Neue Verbraucher mit hohen Leistungen, wie zum Beispiel die Ladung von Elektrofahrzeugen oder Wärmepumpen, sowie dezentrale erneuerbare Energieanlagen, können in Zukunft die Netzstabilität gefährden. Diese Anlagen sind vornehmlich auf der Niederspannungsebene installiert. Historisch bedingt wird die Niederspannungsebene nicht messtechnisch überwacht. Um die Netzstabilität zu erhöhen, müssen die beschriebenen neuen Verbraucher und erneuerbare Energien informativ aufeinander abgestimmt und gesteuert und die Niederspannungsebene beobachtbarer werden. Dazu werden in diesem Themenfeld vermehrt künstliche neuronale Netze, agentenbasierte Steueralgorithmen und Reinforcement Learning eingesetzt. Dies geschieht hauptsächlich unter der Verwendung von Matlab/Simulink und Python. Grundkenntnisse dazu sind wünschenswert, aber nicht notwendig. Folgende Themen bieten sich dazu für Projekt- und Abschlussarbeiten an:

  • Modellierung und Simulation detaillierter Erzeugungs- und Verbrauchsanlagen im elektrischen Niederspannungsnetz
  • Simulation von elektrischen Netzen in Echtzeit auf einem Hardware Netzsimulator (Opal-RT)
  • Kopplung von Hardwaremodellen elektrischer Anlagen mit Modellen elektrischer Netze in Software. Hardware in the Loop (HIL) und Power Hardware in the Loop (PHIL).
  • Klassische Zustandsabschätzung elektrischer Netze angepasst auf Verteilnetze oder Zustandsabschätzung mittels künstlicher neuronaler Netze
  • Definierung von Reinforcement Learning Algorithmen (Q-Learning/Deep Q-Learning) für autonome Steuersystem von Niederspannungsnetzen

Bei Interesse melden Sie sich bitte bei Michael Kelker (michael.kelker@fh-bielefeld.de)