370.100 Weiterführende methodische Ansätze der Optimierung: Anwendungsbeispiele in der Energiesystemmodellierung
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2024S, VU, 2.0h, 3.0EC, wird geblockt abgehalten

LVA-Bewertung

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung
  • Format der Abhaltung: Präsenz

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage ausgewählte methodische Ansätze zur Modellierung von Energiesystemen zu verstehen und zur Beantwortung energiewirtschaftlicher Fragestellungen anzuwenden. Darüber hinaus sind die Studierenden in der Lage, Optimierungsmodelle konzeptionell, mathematisch und programmiertechnisch selbständig umzusetzen.

Inhalt der Lehrveranstaltung

Einheit 1: Lineare und gemischt-ganzzahlige Optimierungsansätze

Einheit 2: Stochastische Optimierung und Robustheit von Lösungen - Modellierung unter Unsicherheit

Einheit 3: Spieltheorie in der Energiewirtschaft

Einheit 4: Komplexe Optimierungsprobleme und ihre Zerlegbarkeit: „Benders’ decomposition theory“

Methoden

Siehe Inhalte der Lehrveranstaltung

Prüfungsmodus

Schriftlich und Mündlich

Weitere Informationen

Die Vorbesprechung aller EEG-LVA´s findet am Mo. 4.3.2024 um 10 Uhr im EI 2 statt!

Die VO findet an folgenden Tagen statt:

03. Mai

17. Mai

24. Mai

07. Juni

14. Juni

21. Juni

Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Fr.10:00 - 12:0001.03.2024 - 28.06.2024EI 6 Eckert HS Vorlesung mit Übung
Weiterführende methodische Ansätze der Optimierung: Anwendungsbeispiele in der Energiesystemmodellierung - Einzeltermine
TagDatumZeitOrtBeschreibung
Fr.01.03.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.08.03.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.15.03.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.22.03.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.12.04.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.19.04.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.26.04.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.03.05.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.17.05.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.24.05.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.31.05.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.07.06.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.14.06.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.21.06.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
Fr.28.06.202410:00 - 12:00EI 6 Eckert HS Vorlesung mit Übung
LVA wird geblockt abgehalten

Leistungsnachweis

Die Gesamnote (100% der möglichen erzielbaren Gesamtpunkte) setzt sich aus 2 Teilen zusammen:

60% der Gesamtpunkte können aus den 4 Übungsbeispielen (15% pro Übungsaufgabe) erzielt werden, die im Laufe der Lehrveranstaltung auszuarbeiten und schriftlich abzugeben sind.

40% der Gesamtpunkte können bei der mündlichen Prüfung am Ende des Semesters erzielt werden. Diese Prüfung besteht aus 4 Fragen (zu je 10%), wobei die Grundprinzipien der Methoden abgefragt werden.

Prüfungen

TagZeitDatumOrtPrüfungsmodusAnmeldefristAnmeldungPrüfung
Mo.09:00 - 15:0024.06.2024 Gusshausstr. 25, EEG Seminarraum, CF SO 29, Kellerschrift.&mündl.14.06.2024 18:00 - 21.06.2024 12:00in TISSOral exam
Mi.09:00 - 14:0026.06.2024 Gusshausstr. 25, EEG Seminarraum, CF SO 29, Kellerschrift.&mündl.14.06.2024 18:00 - 21.06.2024 12:00in TISSOral exam

LVA-Anmeldung

Von Bis Abmeldung bis
01.02.2024 00:00 03.05.2024 12:00

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
710 FW Freie Wahlfächer - Elektrotechnik Freifach

Literatur

Folgende Unterlagen stehen auf TISS zum Download zur Verfügung:

- Foliensatz pro Vorlesungseinheit

- Alle notwendigen Unterlagen für die Übungen (Angaben, Python-Files, Abgabe)

Vorkenntnisse

- Grundkenntnisse der parallel angebotenen Lehrveranstaltung 373.011 Energiemodelle und Analysen

- Analytisches Denkvermögen und Bereitschaft zum Erlernen der eigenständigen Source-Code Entwicklung in Python muss vorhanden sein

Begleitende Lehrveranstaltungen

Sprache

Deutsch