Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage ...

• Optimierungsprobleme zu klassifizieren und geeignete Lösungsverfahren auszuwählen.
• lineare und linear-ganzzahlige Optimierungsprobleme geometrisch zu interpretieren, in MATLAB zu implementieren und unter Anwendung geeigneter Lösungsverfahren zu lösen.
• Unit Commitment Probleme mit gegebenen linearen Modellen der Aggregate und Demand-Kurven als Optimierungsproblem zu formulieren.
• nichtlineares Betriebsverhalten zu linearisieren und mit SOS1, SOS2 zu implementieren.
• typische Konfigurations- und Dimensionierungsprobleme (z.B.: Speicherintegration) in Energiesystemen als lineare, gemischt-ganzzahlige Optimierungsprobleme zu formulieren und zu lösen.
• multikriterielle Optimierungsprobleme mit zwei Zielfunktionen mit der gewichteten-Summe-Methode zu lösen und Pareto-Fronten darzustellen.

Die (Energie-)Effizienz von Industrieunternehmen kann oft signifikant erhöht werden, indem das Design und der Betrieb aller Anlagen exakt aufeinander abgestimmt werden. Aufgrund der Komplexität und der Dynamik industrieller Prozesse kann dieses Potenzial nur mit computergestützter Optimierung ausgenutzt werden. In dieser Lehrveranstaltung lernen Studierende, mathematische Optimierungsprobleme zu formulieren und diese mit geeigneten Methoden zu lösen. Der Fokus liegt auf der linearen gemischt-ganzzahliger Optimierung (MILP) und geeigneten Linearisierungsmethoden um nichtlineares Anlagenverhalten geeignet zu approximieren.

• Jeweils eine Vortragseinheit mit anschließendem Übungsteil.
• Selbstständiges bearbeiten der Beispiele, sowie Abgabe und Diskussion der Lösungen.

• 60 % - Aktive Mitarbeit (Ausarbeitung von Programmierbeispielen)
• 40 % - Schriftliche Vorlesungsprüfung