Maschinelles Lernen im Energiemanagement

Worum geht's

Das Modul vermittelt datengetriebene Vorhersage- und Steuerungsmethoden für Energiemanagementsysteme der nächsten Generation. Du lernst, wie maschinelle Lernverfahren zur Last- und Erzeugungsprognose, Systemschätzung und zur datenbasierten Regelung (z. B. modellprädiktive Regelung, Deep Reinforcement Learning) eingesetzt werden, um Effizienz und Nutzung erneuerbarer Energien zu verbessern.

Was du danach kannst

• Ausgewählte Techniken des maschinellen Lernens konzeptionell und formal verstehen
• Anwendung von ML-Techniken im Energiemanagement verstehen
• Algorithmen des maschinellen Lernens in ausgewählten Anwendungsfällen anwenden und bewerten
• Ausgewählte Methoden zur datengetriebenen Steuerung konzeptionell und formal verstehen
• Datengetriebene Steuerung in ausgewählten Anwendungsfällen anwenden und bewerten
• Reflexion der Methoden im Hinblick auf nachhaltige ökologische, soziale und ökonomische Entwicklung
• Entwicklung inter- und transdisziplinärer Ansätze zur Verknüpfung ökologischer, sozialer und wirtschaftlicher Aspekte

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen zu Vorhersage- und Steuerungstechniken sowie Anwendungen im Energiemanagement
• ÜbungenVertiefung des methodischen Verständnisses und Anwendung der vorgestellten Techniken; Fokus auf methodisches Verständnis statt reiner Programmieraufgaben

Lehrmethode

• Vorlesung mit praktischen BeispielenEinführung in Konzepte und Demonstration von Anwendungen
• ÜbungenEinübung und Vertiefung der Anwendungsmethoden
• Codebeispiele mit Echtdaten / Live-ProgrammierungDemonstration der Implementierung und Anwendung datengetriebener Methoden
• Selbststudium mit digitalen Zeitschriften und BüchernErgänzung und Vertiefung der Vorlesungsinhalte