Für die Entwicklung und den Betrieb (dezentraler) Energieversorgungssysteme oder komplexer (verfahrens-)technischer Anlagen ist es wichtig, das Zusammenspiel der physikalischen Einzelkomponenten und -prozesse im Kontext des Gesamtsystems zu verstehen. Immer mehr praktische Fragestellungen, z.B. auf dem Gebiet erneuerbare Energien aber auch der Regelungstechnik, erfordern eine modellbasierte Abbildung der wesentlichen Systemeigenschaften. Dabei spielt die zeitliche Systemdynamik eine wichtige Rolle, eine stationäre Betrachtung allein ist oft nicht ausreichend.
Die Vorlesung Systemsimulation gibt eine Einführung in die gleichungsbasierte, physikalische (System-)Modellierung unter Verwendung der Modellierungssprache Modelica und der kostenfreien Simulationsplattform OpenModelica 1.21.0
Geplante Inhalte sind:
Einführung in die physikalische Modellierung auf Systemebene
Frage der Modellierung technischer Systeme und deren Grenzen
Differenzialgleichungen einfacher Systeme
Begriff des Zustandsraumes
Praktische Grundlagen in Modelica
Einführung in OpenModelica als Simulationswerkzeug
Grundprinzipien Bibliothekserstellung
Begriffe der objektorientierten Programmierung
Frage der Zeitkonstanten, Steifigkeit, Stabilität, Schrittweitenwahl, Solver
Beispiele: Hydraulische Systeme, Wärmeleitung und Regelung
Systembeispiel
Ziel der Veranstaltung ist es die Teilnehmenden in die Lage zu versetzen Modelica als Werkzeug für eigene Projekte einzusetzen.
Voraussetzungen:
Grundlegende Module aus dem Maschinenbau, der Energietechnik und der Schiffstechnik, Grundlagen Differenzialgleichungen und lineare Algebra
Leistungsnachweis:
mündliche Prüfung
Bereichseinordnung:
Studiendekanat Maschinenbau
ECTS-Kreditpunkte:
4
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.