Data Science für EnergiesystemmodellierungModulbeschreibung #31027 / Version 1
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v2)
| Modul / Version | #31027 / #1 |
|---|---|
| Gültigkeit | WiSe 2022/23 – WiSe 2022/23 |
| Verfügbare Sprache(n) | Englisch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Brown, Thomas William |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät III |
|---|---|
| Institut | Institut für Energietechnik |
| Fachgebiet | 33371400 FG Digitaler Wandel in Energiesystemen |
Kontakt
| Sekretariat | TA 8 |
|---|---|
| Ansprechpartner*in | Neumann, Fabian |
| E-Mail-Adresse | f.neumann@tu-berlin.de |
| Webseite | http://www.ensys.tu-berlin.de |
Lernergebnisse
Die Studierenden sind in der Lage:
- geografische und sozioökonomische Potenziale erneuerbarer Energien zu bewerten
- die Herausforderungen bei der Integration von erneuerbaren Energien in Energiesysteme zu beschreiben und zu erklären
- unterschiedliche Konzepte zur Integration erneuerbarer Energien (Netze versus Speicher) kritisch zu bewerten
- eigenständig Analysen auf der Grundlage von technisch-ökonomischen Energiesystemmodellen durchzuführen und zu interpretieren
- große öffentliche Datensätze über geographische, meteorologische und energiewirtschaftliche Informationen zu verarbeiten
- optimierungsbasierte Energiesystemmodelle mit weit verbreiteten Open-Source-Tools und öffentlichen Daten zu programmieren
- geografische und sozioökonomische Potenziale erneuerbarer Energien zu bewerten
- die Herausforderungen bei der Integration von erneuerbaren Energien in Energiesysteme zu beschreiben und zu erklären
- unterschiedliche Konzepte zur Integration erneuerbarer Energien (Netze versus Speicher) kritisch zu bewerten
- eigenständig Analysen auf der Grundlage von technisch-ökonomischen Energiesystemmodellen durchzuführen und zu interpretieren
- große öffentliche Datensätze über geographische, meteorologische und energiewirtschaftliche Informationen zu verarbeiten
- optimierungsbasierte Energiesystemmodelle mit weit verbreiteten Open-Source-Tools und öffentlichen Daten zu programmieren
Lehrinhalte
Dieses Modul befasst sich mit der Modellierung und Analyse zukünftiger Energiesysteme, wobei der Schwerpunkt auf erneuerbaren Energiequellen und der Frage liegt, wie Speicher- und Netzinfrastrukturen deren Integration in das Energiesystem unterstützen können. Gleich zu Beginn des Kurses werden die Studierenden mit realen Daten zu historischen Wetterdaten, Landnutzungsbeschränkungen, bestehenden Kraftwerksflotten, Übertragungsnetzdaten, Strommärkten und Nachfragezeitreihen arbeiten, um die Herausforderungen und Lösungen für einen erfolgreichen Übergang zu klimaneutralen Energiesystemen kennenzulernen.
Die Themen des Kurses umfassen:
- Zeitreihenanalyse der Wind- und Solarstromerzeugung und des Energiebedarfs.
- GIS-basierte Bewertung von Potenzialen erneuerbarer Energien.
- Modellierung von täglichen und saisonalen Energiespeichern.
- Modellierung von Leistungsflüssen und Übertragungsnetzen.
- Einführung in die mathematische Optimierung (oder deren Wiederholung).
- Strommarktdesigns mit Strom aus erneuerbaren Energien (Merit Order, Marktwerte, Redispatch, Nodal Pricing)
- Systemplanung für den Einsatz erneuerbarer Energien, Energiespeicherung und Übertragungsinfrastruktur.
- Modellierung von Sektorkopplung und Nachfragesteuerung (Beispiele aus Industrie, Gebäude oder Verkehr).
- Modellierung unter Unsicherheit und Methoden zur Komplexitätsreduktion.
- Programmierung von Energiesystemmodellen in Python (z.B. pandas, geopandas, PyPSA und atlite).
- Visualisierung und Kommunikation von Energiesystemanalysen.
Die Themen des Kurses umfassen:
- Zeitreihenanalyse der Wind- und Solarstromerzeugung und des Energiebedarfs.
- GIS-basierte Bewertung von Potenzialen erneuerbarer Energien.
- Modellierung von täglichen und saisonalen Energiespeichern.
- Modellierung von Leistungsflüssen und Übertragungsnetzen.
- Einführung in die mathematische Optimierung (oder deren Wiederholung).
- Strommarktdesigns mit Strom aus erneuerbaren Energien (Merit Order, Marktwerte, Redispatch, Nodal Pricing)
- Systemplanung für den Einsatz erneuerbarer Energien, Energiespeicherung und Übertragungsinfrastruktur.
- Modellierung von Sektorkopplung und Nachfragesteuerung (Beispiele aus Industrie, Gebäude oder Verkehr).
- Modellierung unter Unsicherheit und Methoden zur Komplexitätsreduktion.
- Programmierung von Energiesystemmodellen in Python (z.B. pandas, geopandas, PyPSA und atlite).
- Visualisierung und Kommunikation von Energiesystemanalysen.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Data Science for Energy System Modelling | Integrierte Veranstaltung | Wintersemester | [en] | 4 | ISIS |
Arbeitsaufwand und Leistungspunkte
Data Science for Energy System Modelling (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Class preparation and follow-up | 15 | 2 h | 30 h |
| Preparation of assignments | 5 | 18 h | 90 h |
| 180 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Der Kurs verfolgt einen praxisorientierten didaktischen Ansatz. Einführende Vorlesungen machen die Teilnehmenden mit jedem behandelten Thema vertraut. In Workshops werden dann Open-Source-Werkzeuge für das jeweilige Thema vorgestellt und Anleitungen zur Programmierung in Python gegeben. Die Studierenden werden ihre Lernfortschritte im Laufe des Semesters individuell demonstrieren, die sowohl die Programmierung als auch die Analyse beinhalten. Während dieses Prozesses werden die Studierenden nach und nach ihre eigenen Energiesystemmodelle erstellen, ausführen und die Ergebnisse mitteilen.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
- Grundkenntnisse in Mathematik, linearer Algebra und Statistik werden vorausgesetzt.
- Grundkenntnisse der Programmierung in Python oder anderen Sprachen sind hilfreich, aber nicht erforderlich.
- Der Kurs ist komplementär zu den Kursen "Energy Systems" und "Energy Economics".
- Grundkenntnisse der Programmierung in Python oder anderen Sprachen sind hilfreich, aber nicht erforderlich.
- Der Kurs ist komplementär zu den Kursen "Energy Systems" und "Energy Economics".
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| Individuelle Hausaufgabe 1 (Erneuerbaren Potenziale) | 20 | schriftlich | 18h |
| Individuelle Hausaufgabe 2 (Speicher und Netzwerke) | 20 | schriftlich | 18h |
| Individuelle Hausaufgabe 3 (Elektrizitätsmärkte) | 20 | schriftlich | 18h |
| Individuelle Hausaufgabe 4 (Systemplanung) | 20 | schriftlich | 18h |
| Gruppenreferate (Sektorenkopplung, Unsicherheitsanalyse) | 20 | mündlich | 18h |
Prüfungsbeschreibung (Abschluss des Moduls)
In vier anleitenden Hausaufgaben programmieren die Studierenden individuell ihre eigenen Energiesystemmodelle. Als abschließendes Prüfungselement ist eine Präsentation zu fortgeschrittenen Themen vorgesehen, die in Kleingruppen von bis zu 3 Studierenden erarbeitet wird.
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Die Kursunterlagen und Ankündigungen werden über die ISIS-Plattform verteilt.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- Strbac, G., Kirschen, D., 2019. Fundamentals of Power System Economics, 2 ed. WILEY.
- Taylor, J.A., 2015. Convex Optimization of Power Systems. Cambridge University Press.
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Sonstiges
Keine Angabe