Die erfolgreiche Gestaltung und Umsetzung der Energiewende ist eine gro\u00dfe Herausforderung f\u00fcr die ganze Gesellschaft. Soziale und technische Aspekte m\u00fcssen von Anfang an gemeinsam betrachtet werden, um die \u00f6kologischen Ziele zu erreichen. Technische L\u00f6sungen sind dementsprechend im Sinne der Gesellschaft zu entwickeln.<\/p>\n
Eine der Herausforderungen liegt in einer verst\u00e4ndlichen Darstellung der Zielkonflikte. Die Zielkonflikte entstehen unter anderem durch verschiedene Einzelinteressen der beteiligten Gruppen und der technologischen Umsetzbarkeit der W\u00fcnsche. Die Bev\u00f6lkerung unterst\u00fctzt die Energiewende als abstrakte Idee, ist aber kritisch, sobald Gewohnheiten bedroht werden. Dazu geh\u00f6ren \u00c4ngste vor radikalen Ver\u00e4nderungen mit Einfl\u00fcssen auf die Arbeitswelt oder vor dem Bau neuer Infrastrukturprojekte, sowie die Sorge der Unternehmen um ihre Gesch\u00e4ftsfelder. Als eine weitere wichtige Gruppe probieren die Beh\u00f6rden, innerhalb ihres teilweise begrenzten Spielraums zu gestalten, indem Regularien angepasst und Projekte gef\u00f6rdert werden. Dazu kommen technologische Herausforderungen, weil zum Beispiel erneuerbare Energien konventionelle Kraftwerke nicht eins zu eins ersetzen k\u00f6nnen. Dementsprechend schwierig ist es, fundierte politische Entscheidungen unter Ber\u00fccksichtigung aller Aspekte zu treffen. Insbesondere Stromnetze sind komplexe Systeme, die ohne Fachwissen nur schwer nachvollziehbar sind.<\/p>\n
F\u00fcr diese komplexen Fragestellungen soll Maschinelles Lernen (ML) eingesetzt werden, um die technischen und \u00f6konomischen Beschr\u00e4nkungen bzw. Zw\u00e4nge zu analysieren. Aufgrund der leichten Auswertbarkeit von ML-Systemen hat dieser Ansatz das Potenzial, die Analysen deutlich schneller zu machen. Schnelle Analysen wiederum erm\u00f6glichen interaktive Anwendungen, wodurch die komplexen Zusammenh\u00e4nge erfahrbar werden. Damit k\u00f6nnen Stabilit\u00e4tsuntersuchungen f\u00fcr den Netzausbau oder die Auswirkungen von Extremwetterereignissen auf die Energieversorgung analysiert werden. Diese Untersuchungen k\u00f6nnen explorativ durch das Testen verschiedener Konfigurationen erfolgen, ohne dass spezifische methodische Kompetenzen erforderlich sind. Das erm\u00f6glicht die leichte Anwendung f\u00fcr Stakeholder ohne hohen Rechenaufwand. Die daf\u00fcr entwickelten Methoden lassen sich leicht auf andere Analysen \u00fcbertragen, bei denen ebenfalls Interaktivit\u00e4t gew\u00fcnscht ist.<\/p>\n
Eine wichtige Grundlage f\u00fcr die Analyse von Netzwerken durch ML sind die sogenannten Graph Neural Networks (Graph NN). Hiermit k\u00f6nnen Netzwerke ohne Annahmen zur Vereinfachung der Netzwerkstruktur, auch Topologie genannt, durch ML evaluiert werden. F\u00fcr die geplanten Anwendungen sind noch Weiterentwicklungen von den sehr neuen Graph NN-Methoden erforderlich. Deswegen sollen die Graph NN im Rahmen der Promotion modifiziert werden, um Analysen zuk\u00fcnftiger Stromnetzanalyse zu erm\u00f6glichen. Dadurch kann ein Beitrag zur Verbesserung der Erkl\u00e4rbarkeit von Entscheidungsprozessen geleistet werden.<\/p>\n
Des Weiteren k\u00f6nnen aus Analysen der Entscheidungsfindung von Graph NN neue Erkenntnisse abgeleitet werden. Hierf\u00fcr wird der Entscheidungsvorgang der Graph NN bewertet und die Hintergr\u00fcnde f\u00fcr die Entscheidungen werden evaluiert. Dadurch sind m\u00f6glicherweise stabilit\u00e4tsf\u00f6rdernde Eigenschaften von Stromnetzen identifizierbar, die auch abseits von ML-Anwendungen f\u00fcr die Netzplanung interessant sind.<\/p>\n","protected":false},"excerpt":{"rendered":"
Die erfolgreiche Gestaltung und Umsetzung der Energiewende ist eine gro\u00dfe Herausforderung f\u00fcr die ganze Gesellschaft. Soziale und technische Aspekte m\u00fcssen von Anfang an gemeinsam betrachtet werden, um die \u00f6kologischen Ziele zu erreichen. Technische L\u00f6sungen sind dementsprechend im Sinne der Gesellschaft zu entwickeln. Eine der Herausforderungen liegt in einer verst\u00e4ndlichen Darstellung der Zielkonflikte. Die Zielkonflikte entstehen […]<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","meta":{"footnotes":""},"categories":[],"tags":[2477],"class_list":["post-52263","promotionsstipendium","type-promotionsstipendium","status-publish","hentry","tag-deutschland"],"meta_box":{"dbu_stipendiaten_az":"20020\/654","dbu_stipendiaten_anrede":"","dbu_stipendiaten_nachname":"Nauck","dbu_stipendiaten_vorname":"Christian","dbu_stipendiaten_titel":"","dbu_stipendiaten_fbeginn":"2020-10-01 00:00:00","dbu_stipendiaten_fende":"2023-09-30 00:00:00","dbu_stipendiaten_e_anschrif":"Technische Universit\u00e4t Berlin
Institut f\u00fcr Energie- und Automatisierungstechnik
Fachgebiet Regelungssysteme","dbu_stipendiaten_betreuer":"Prof. Dr. J\u00f6rg Raisch","dbu_stipendiaten_email_dienst":"christian.nauck@rwth-aachen.de"},"_links":{"self":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium\/52263","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium"}],"about":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/types\/promotionsstipendium"}],"author":[{"embeddable":true,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium\/52263\/revisions"}],"predecessor-version":[{"id":58275,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium\/52263\/revisions\/58275"}],"wp:attachment":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/media?parent=52263"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/categories?post=52263"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/tags?post=52263"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}