Herr Dr. Oliver Wallscheid, Oberingenieur und Gruppenleiter im Fachgebiet Leistungselektronik und Elektrische Antriebstechnik (LEA) hat zusammen mit Herrn Prof. Dr. Eyke Hüllermeier, Leiter des Lehrstuhls für Intelligente Systeme und Maschinelles Lernen, den diesjährigen Forschungspreis erhalten. Die beiden Forscher sind mit ihrem interdisziplinären Projektvorschlag „Reinforcement Learning in Micro- und Smartgrids: Sichere, datengetriebene Betriebsstrategien für komplexe Energiesysteme“ als Sieger aus dem Rennen hervorgegangen.
Herr Wallscheid hat sich bislang neben antriebstechnischen Themen auch mit energietechnischen Projekten, insbesondere zu Microgrids befasst. Dies ist ein Konzept mit dezentralen, lokalen Netzen aus bestehend aus Verbrauchern, Speichern und (regenerativen) Erzeugern, welche zwar mit dem Landesnetz verbunden sind, aber durch eine geschickte Betriebsführung darauf abzielen, die eigenen Kosten und den Ressourcenverbrauch zu minimieren. In diesem Zusammenhang ist auch der Aufbau eines Microgrid-Labors zu erwähnen, wofür das Fachgebiet LEA aus NRW-Programm „Forschungsinfrastrukturen“ rund 3,4 Millionen EUR Fördermittel erhält. Bereits an diesem Antrag hat Herr Wallscheid maßgeblich mitgewirkt.
Bei der jetzigen Projektidee geht es darum, die Microgrid-Betriebsführung nicht wie bei bisherigen Ansätzen durch heuristische oder durch verschiedene mathematische Methoden zu optimieren, sondern moderne Methoden des Maschinellen Lernens einzusetzen, insbesondere das Verfahren des „Reinforcement Learning“. Diese Methode hat zwar in anderen Bereichen wie z. B. im Börsenhandel beachtliche Ergebnisse erzielt, ist aber für Microgrids wissenschaftliches Neuland. Die Herausforderungen sind angesichts der Anforderungen an Sicherheit und Verfügbarkeit allerdings sehr hoch.
Herr Hüllermeier aus der Informatik wird seine Expertise auf dem Gebiet des Maschinellen Lernens in diese energietechnische Aufgabenstellung einbringen.
Mit dem Preisgeld von 150 Tausend EUR wollen die beiden Leiter dieses Pilotprojekts die Erfolgsaussichten dieser Methode eruieren, was als Basis folgender DFG- oder Verbundprojekte dienen kann und zur Sichtbarkeit der Energietechnik an der Universität Paderborn beiträgt.
