КИТ - Факултет; t f; r Математика - Моделен подход Модел 234 - Енергия и изкуствен интелект

При по-внимателен поглед откриваме естествените науки и особено математиката навсякъде в живота си, от крана до автоматичния контрол на скоростта по магистралите, в медицинските технологии до мобилния телефон. Над какво работят в момента изследователите, възпитаниците и учителите в Карлсруе, ние откриваме от първа ръка в подхода на подкаст модела.

енергия

Гудрун разговаря с Никол Лудвиг през март 2020 г. Тя е колега в KIT в Campus North и принадлежи към Института за автоматизация и приложни компютърни науки. Била е член на данните за енергийното състояние на DFG, Методи за компютърни науки за анализ, запис и употреба и е на път да завърши докторат. По време на следването си тя беше уловена от темите за иконометрия и статистика и от радостта от възможността да извлича надеждни резултати от емпирични данни. Тя използва машинно обучение за прогнози в своята бакалавърска дисертация. Ето защо за нея беше много вълнуващо да донесе тези знания и удоволствието си от темата в Висшето училище по енергийни данни и компютърни науки.

Като общество в близко бъдеще трябва да постигнем производство на енергия без изкопаеми горива. Необходимо е обаче да се научите как да използвате възобновяемите енергии в сравнение с конвенционалното производство на енергия, от една страна, за да осигурите стабилно снабдяване на икономиката и домакинствата, а от друга страна, да разпределите справедливо всички тежести от необходимите промени.

Има два начина за оптимизиране на производството на енергия. От една страна, можем по-добре да приспособим производствения график към изискванията. От друга страна, можем да променим поведението на потреблението, за да поддържаме оптимална стратегия за предлагане. Традиционно човек знае прогнози за търсенето на енергия в различни времеви хоризонти и ги използва като основа за производствените планове. Въпреки това, с нарастващото и променящо се количество променливи, засягащи системата, перфектните прогнози са много нереалистични и вероятно не са правилният подход за в бъдеще.

Просто трябва да имате предвид, че енергийната реколта както за вятърна, така и за слънчева енергия силно зависи от времето. Дори прогнозата за времето да е станала много по-добра, все още не е възможно да се използва като основа, за да се направят достатъчно надеждни прогнози за производството на енергия. От друга страна, сега има по-добри начини за контрол на потреблението на енергия, поне по принцип, отвън. Това, което преди подслаждаше потреблението на пикови мощности с ниски цени, тъй като нощната мощност вече може да се контролира регионално и адаптивно не само в компаниите, но дори и в домакинството, например когато пералната машина работи или резервоарът за гореща вода се зарежда. Скоро автопаркът с електронни превозни средства с техните акумулатори ще може да набира енергия в точното време и да я освобождава отново в пиковите часове.

Законодателството все още не е толкова напреднало, колкото техническите възможности. Но със сигурност трябва да помислите внимателно за начина, по който искате да принудите хората да предоставят данни за тази цел и как след това можете да ги предпазите от злоупотреба с тези знания от неоторизирани лица. Доставката на енергия вече е много по-уязвима от атаки на хакери, отколкото бихме искали да признаем.

По принцип обаче има много данни - макар и само по отношение на метеорологичните данни - но също така и в подробни знания за потреблението на енергия - които могат да се използват за разработване на нови видове прогнози. Така че ние преминаваме от чисто физически базирани модели и експертни познания към невронни мрежи и извличане на данни. Разбира се, те не работят разумно без експертно око, защото на кои въпроси наличните данни могат да отговорят разумно и със сигурност със сигурност не е възможно, наивно планирано.

Никол обича да прави изследвания в интерфейса на много различни области на знанието (икономика, физика/метеорология, инженерство и компютърни науки).

  • S. Coşkun, G. Thäter: Енергийни пазари, дискусия в подкаста на моделния подход, епизод 190, Математически факултет, Технологичен институт Карлсруе (KIT), 2018.
  • C. Harvey, G. Thäter: Micro Grids, Discussion in the Model Approach Podcast, Episode 186, Faculty of Mathematics, Karlsruhe Institute of Technology (KIT), 2018.
  • Z. Ahamed, G. Thäter: Electric Vehicles on the Grid, дискусия в Modellansatz Podcast, епизод 183, Факултет по математика, Технологичен институт Карлсруе (KIT), 2018.
  • G. Thäter, B. Pousinho: Генератор на времето, дискусия в подкаста на моделния подход, епизод 148, Факултет по математика, Технологичен институт Карлсруе (KIT), 2017.
  • М. Lösch, S. Ritterbusch: Дискусия на Gateway на Smart Meter в подкаста на моделния подход, епизод 135, Факултет по математика, Технологичен институт Карлсруе (KIT), 2017.
  • M. Völter, V. Hagenmeyer: Stromnetze, преглед, подкаст омега тау, епизод 246, 2017.
  • J. Müller-Quade, A. Rupp, B. Löwe, K. Bao: Криптография и поверителност в електропреносната мрежа, функция на Jan Rähm в KIT.audio изследователски подкаст на Технологичния институт в Карлсруе, епизод 6, 2017.
  • С. Сейер, Т. Александрин: Престъпление, бездна или клифенджър за поток от наематели Епизод 16 в подкаста с реактивна мощност, 2017.
  • M. Dalheimer, P. Hecko: Der Strom, епизод 5 в Pietcast, 2014.

Цитирайте този епизод за подкаст

Работна група: числена симулация, оптимизация и високопроизводителни изчисления

офис
Математика в сградата на колежа (20.30 ч.)
Стая 3.039

адрес
Технологичен институт Карлсруе (KIT)
Институт за приложна и числена математика
Енглерщрасе 2
76131 Карлсруе