Art der Arbeit: Bachelorarbeit

Fachlicher Hintergrund:

Elektrischer Strom wird zunehmend aus Wind und Sonnenlicht gewonnen. Photovoltaik- und Windkraftanlagen lassen sich nicht an den Verbrauch anpassen. Stattdessen werden Stromkunden durch variable Strompreise zu angepasstem Verbrauch motiviert. In der Regel wird der elektrische Strom dabei am Day-Ahead-Markt gehandelt, sodass der viertelstündliche Preis einen Tag im Voraus feststeht. Der Preis ist dabei dabei sehr volatil.

Bei den Stromkunden lässt sich der Verbrauch in Grenzen steuern. Aufschiebbare Vorgänge können dann in Zeiten niedrigen Strompreises verlegt werden. Beispiele sind: Kühlhäuser, die auch ohne Kühlung nicht sofort ausfallen oder vorab sogar etwas stärker gekühlt werden, Aufheizvorgänge, nebenläufige Prozesse usw. Es können zusätzlich auch Speicher genutzt werden (z.B. Akkumulatoren oder Vorratsbehälter für Heißwasser).

Das kann auch für Privathaushalte zutreffen. Ein Beispielszenario sei wie folgt aufgebaut:

• Der Strompreis ist viertelstündlich variabel und ab 13.00 Uhr für den Folgetag bekannt.
• Der Haushalt verfügt über einen Akku-Speicher mit kleiner Kapazität (2 - 10kWh), der von einer Photovoltaikanlage (400 - 1200 W peak) oder über Netzstrom (max. 800 W) geladen werden kann. Die Ladeleistung und die Einspeisung ins Hausnetz kann eingestellt werden.
• Der Stromverbrauch wird sekündlich am Stromzähler gemessen. Weitere Messungen für einzelne Verbraucher sind optional möglich.
• Größere Verbraucher sind Elektroauto (11 oder 22 kW), Waschmaschine (2000 W), Herd (6 kW) und Ofen (3,5 kW), Geschirrspüler und ähnliche Geräte mit jeweils üblicher Leistung.
• Ein Teil des Stromverbrauchs (Leistung) hängt darüber hinaus vom alltäglichen Nutzungsverhalten der Hausbewohner ab.

Aufgabenbeschreibung:

Im Rahmen der Arbeit soll der Stromverbrauch optimiert werden. Dabei können verschiedene Strategien angewendet werden:

• Reduzierung der Kosten.
• Reduzierung des CO2-Verbrauchs.

Folgende Fragestellung sind denkbar:

• Wie weit lassen sich die Kosten bzw. der CO2-Ausstoß senken? Welche weiteren Daten werden benötigt (z.B. Wettervorhersage)
• Wie lässt sich der Verbrauch anhand historischer Daten vorhersagen?

Mögliche Arbeitsschritte:

• Analyse der Marktdaten vom EPEX-Day-Ahead-Markt.
• Analyse von Messwerten über Verbrauch, Umweltbedingungen und Gerätezustand.
• Entwicklung einer Optimierungsstrategie.
• Simulation / Prototypische Umsetzung.

Die genaue Festlegung des Themas erfolgt in Abstimmung mit den Betreuern unter Berücksichtigung eventuell schon an andere Studenten vergebener Themengebiete. Eine gemeinsame Bearbeitung verschiedener Teilthemen durch mehrere Studenten ist unter Umständen möglich. 

Literatur und Ressourcen:

• Hillmann, Steffen Maximilian. Time Series Electricity Price Forecast on the German Day-Ahead Market. MS thesis. Universidade NOVA de Lisboa (Portugal), 2022.
• Sebastián, Carlos, Carlos E. González-Guillén, and Jesús Juan. "An adaptive standardisation methodology for Day-Ahead electricity price forecasting." arXiv preprint arXiv:2311.02610 (2023).
• Onwusinkwue, Shedrack, et al. "Artificial intelligence (AI) in renewable energy: A review of predictive maintenance and energy optimization." World Journal of Advanced Research and Reviews 21.1 (2024): 2487-2499.
• Al-Shahri, Omar A., et al. "Solar photovoltaic energy optimization methods, challenges and issues: A comprehensive review." Journal of Cleaner Production 284 (2021): 125465.
• Tomar, Anuradha, et al., eds. Machine Learning, Advances in Computing, Renewable Energy and Communication: Proceedings of MARC 2020. Vol. 768. Springer Nature, 2021

Betreuer: Dr. Thomas Mundt (thomas.mundt@uni-rostock.de) 

Voraussetzungen: Keine besonderen, Programmierkenntnisse in einer höheren Programmiersprache sind von Vorteil.