Inhalte

• Lineare Programmierung
  • Standardform und grafische Lösung
  • Dualität
  • Gemischt-ganzzahlige lineare Programmierung
• Energiesystemoptimierungsmodelle
  • Typische Formulierungen und Schlüsselkomponenten (Variablen, Parameter, Nebenbedingungen, Zielfunktionen)
  • Ausgewählte Fallstudien
• Lineare Programmierung in Python mit Linopy (vermittelt in Computerübungen)
  • Formulieren und Lösen einfacher linearer Probleme
  • Formulieren und Lösen von kleinen und großen Energiesystemmodellen
• Studierenden bearbeiten eine Fallstudie in kleinen Projektgruppen
  • Die Studierenden entwickeln ein eigenes Energiesystemmodell, um eine ausgewählte Forschungsfrage/ein ausgewähltes Forschungsproblem anhand realer Daten zu untersuchen
  • Studierende werten die entsprechenden Ergebnisse aus und ziehen Schlussfolgerungen daraus
  • Die Studierenden präsentieren ihr Modell und ihre Ergebnisse in einer Präsentation und einem kurzen schriftlichen Bericht

Nach erfolgreichem Abschluss dieses Moduls sind die Studierenden in der Lage,

• grundlegende Konzepte der linearen Programmierung zu erklären und lineare Optimierungsprobleme manuell und mit Python zu lösen

• die Struktur und die Elemente von linearen Energiesystemoptimierungsmodellen zu erklären und zu interpretieren, indem sie sich auf Konzepte der linearen Programmierung und techno-ökonomische Eigenschaften realer Energiesysteme beziehen

• die erlernten Konzepte und Methoden auf eine Fallstudie anzuwenden, um eine Forschungsfrage zur Energiewende zu beantworten, indem sie ein Energiesystemoptimierungsmodell mit Python entwickeln, implementieren und lösen

• Optimierungsergebnisse analysieren und interpretieren und Schlussfolgerungen für die Energiewende ziehen

• selbstständig in Projektgruppen arbeiten und die Ergebnisse ihrer Gruppenarbeit verständlich präsentieren, sowohl in mündlicher als auch schriftlicher Form

Darüber hinaus haben die Studierenden

• die Fähigkeit zu vernetztem und kritischem Denken entwickelt und sind in der Lage, ausgewiesene Methoden und Verfahren auszuwählen und anzuwenden,

• vertiefte und interdisziplinäre Methodenkompetenz erworben und sind in der Lage, diese situativ angemessen anzuwenden.

Die Studierenden praktizieren wissenschaftliches Lernen und Denken und können

• komplexe Problemstellungen in technischen Systemen strukturiert erarbeiten und interdisziplinär mit geeigneten Methoden lösen,

• Kenntnisse/Fähigkeiten auf konkrete systemtechnische Problemstellungen übertragen.