• Navigation überspringen
  • Zur Navigation
  • Zum Seitenende
Organisationsmenü öffnen Organisationsmenü schließen
Friedrich-Alexander-Universität Lehrstuhl für Informatik 7 CS7
  • FAUZur zentralen FAU Website
  1. Friedrich-Alexander-Universität
  2. Technische Fakultät
  3. Department Informatik
Suche öffnen
    • Campo
    • StudOn
    • FAUdir
    • Stellenangebote
    • Lageplan
    • Hilfe im Notfall
    1. Friedrich-Alexander-Universität
    2. Technische Fakultät
    3. Department Informatik
    Friedrich-Alexander-Universität Lehrstuhl für Informatik 7 CS7
    Menu Menu schließen
    • Lehrstuhl
    • Forschung
    • Publikationen
    • Lehre
    • Kooperationspartner
    1. Startseite
    2. Forschung
    3. Smart Energy
    4. Steuerung von Energiesystemen auf Basis selbstlernender Algorithmen

    Steuerung von Energiesystemen auf Basis selbstlernender Algorithmen

    Bereichsnavigation: Forschung
    • Quality-of-Service
    • Connected Mobility
    • Smart Energy
      • Forschungsprojekte
      • Gruppenmitglieder
      • Publikationen
    • Frühere Projekte

    Steuerung von Energiesystemen auf Basis selbstlernender Algorithmen


    Reinforcement Learning control algorithm for a PV-Battery system
    Reinforcement Learning control algorithm for a PV-Battery system

    Projektbeschreibung

    Der weltweite Ausbau dezentraler Kraftwerke, wie beispielsweise Photovoltaik und Windkraft, führt dazu, dass die Erzeugung von elektrischer Energie stark vom fluktuierenden Angebot erneuerbarer Energiequellen abhängt. Im Projekt „Steuerung von Energiesystemen auf Basis selbstlernender Algorithmen“ sollen neue selbstlernende Steuerungsalgorithmen für Energiesysteme untersucht und mit klassischen Steuerungsalgorithmen verglichen werden. Eine in Python programmierte Umgebung soll es ermöglichen mehrere selbstlernende Agenten zu erzeugen und in einer gemeinsamen Umgebung zu simulieren.

    In einem weiteren Schritt werden weitere Komponenten wie z.B. Elektroladestationen in die Umgebung integriert werden, um dem Einfluss der Elektromobilität auf elektrische Energiesysteme Rechnung zu tragen.

    Projektdauer

      2017-05-16 –

    Projektleitung

      Marco Pruckner

    Projektmitglieder

      Niklas Ebell

    Verwandte Publikationen

    •  
    • Ebell N., Pruckner M.:
      Coordinated Multi-Agent Reinforcement Learning for Swarm Battery Control
      2018 IEEE Canadian Conference on Electrical & Computer Engineering (CCECE) (Quebec Stadt, Quebec, 2018-05-21 - 2018-05-23)
      In: 2018 IEEE Canadian Conference on Electrical Computer Engineering (CCECE) 2018
      DOI: 10.1109/CCECE.2018.8447851
      BibTeX: Download
    • Ebell N., Heinrich F., Schlund J., Pruckner M.:
      Reinforcement Learning Control Algorithm for a PV-Battery-System Providing Frequency Containment Reserve Power
      2018 IEEE International Conference on Communications, Control, and Computing Technologies for Smart Grids (SmartGridComm) (Aalborg, 2018-10-29 - 2018-10-31)
      In: 2018 IEEE International Conference on Communications, Control, and Computing Technologies for Smart Grids (SmartGridComm) 2018
      DOI: 10.1109/SmartGridComm.2018.8587480
      BibTeX: Download
    • Ebell N., Gütlein M., Pruckner M.:
      Sharing of Energy Among Cooperative Households Using Distributed Multi-Agent Reinforcement Learning
      2019 IEEE Innovative Smart Grid Technologies Europe (Bucharest, 2019-09-29 - 2019-10-02)
      DOI: 10.1109/ISGTEurope.2019.8905520
      URL: https://ieeexplore.ieee.org/document/8905520
      BibTeX: Download
    • Tuchnitz F., Ebell N., Schlund J., Pruckner M.:
      Development and Evaluation of a Smart Charging Strategy for an Electric Vehicle Fleet Based on Reinforcement Learning
      In: Applied Energy 285 (2021)
      ISSN: 0306-2619
      DOI: 10.1016/j.apenergy.2020.116382
      BibTeX: Download
    • Ebell N., Pruckner M.:
      Benchmarking a Decentralized Reinforcement Learning Control Strategy for an Energy Community
      2021 IEEE International Conference on Communications, Control, and Computing Technologies for Smart Grids (SmartGridComm) (Aachen, 2021-10-25 - 2021-10-28)
      DOI: 10.1109/smartgridcomm51999.2021.9632323
      BibTeX: Download
    Lehrstuhl Informatik 7 (Rechnernetze und Kommunikationssysteme)
    Friedrich-Alexander-Universität Erlangen-Nürnberg

    Martensstr. 3
    91058 Erlangen
    • Kontakt
    • Impressum
    • Datenschutz
    • Barrierefreiheit
    • RSS-FEED Kolloquium
    • Facebook
    • Facebook
    • RSS Feed
    • RSS Feed
    • Twitter
    • Twitter
    • Xing
    • Xing
    Nach oben