Die Vorlesung bietet einen generellen Einstieg in die Grundlagen und Möglichkeiten der angewandten mathematischen Optimierung und behandelt dabei Anwendungsgebiete auf unterschiedlichen Skalen von der Identifikation kinetischer Modelle, über die optimale Auslegung von Grundoperationen bis hin zur Optimierung ganzer (Teil-)prozesse und der Produktionsplanung. Dabei werden neben den Grundlagen der Klassifikation und Formulierung von Optimierungsproblemen, unterschiedliche Lösungsansätze und deren Anwendung diskutiert, wobei neben deterministischen gradientenbasierten Verfahren ebenfalls Metaheuristiken wie evolutionäre und genetische Algorithmen besprochen werden.
- Einführung in die angewandte Optimierung
- Formulierung von Optimierungsproblemen
- Lineare Optimierung
- Nichtlineare Optimierung
- Gemischt-ganzzahlige (nicht)lineare Optimierung
- Mehrkriterielle Optimierung
- Globale Optimierung
Leistungsnachweis:
m1709-2021 - Angewandte Optimierung in der Energie- und Verfahrenstechnik<ul><li>p1655-2021 - Angewandte Optimierung in der Energie- und Verfahrenstechnik: mündlich</li></ul>
ECTS-Kreditpunkte:
6
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Systemverfahrenstechnik (V-4)
In Stud.IP angemeldete Teilnehmer: 46
Anzahl der Postings im Stud.IP-Forum: 2
Anzahl der Dokumente im Stud.IP-Downloadbereich: 84
Betreute Abschlussarbeiten
laufende
beendete
2021
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.