Logo Uni Bremen

Zentrum für Industriemathematik

ZeTeM > Arbeitsgruppen > AG Optimierung und Optimale Steuerung > Domains > Energie und Umwelt

Kontakt Sitemap Impressum [ English | Deutsch ]

Malin Lachmann 
Raum: NEOS 3310
Telefon: 218-64355
E-Mail: mlachman@uni-bremen.de
Malin Lachmann

E-Mail: o2c-energy-and-environment@uni-bremen.de

Energie und Umwelt



Projekte

Aktuell

Logo Projekt hyBit: Hydrogen for Bremen's industrial transformationhyBit: Hydrogen for Bremen's industrial transformation
Wasserstoff gilt als „Energieträger von morgen“, und die spürbaren Folgen von Klimawandel und Politik machen die schnelle Einführung unabdingbar. Doch der Weg in eine effiziente Wasserstoffwirtschaft ist komplex, birgt ökonomische und gesellschaftliche Herausforderungen – und bedarf exzellenter Forschung. Das von der Universität Bremen koordinierte Wasserstoff-Großforschungsprojekt hyBit bekommt dafür jetzt vom Bundesministerium für Bildung und Forschung (BMBF) knapp 30 Millionen Euro Förderung. Vom ZeTeM sind die Arbeitsgruppen Optimierung und Optimale Steuerung und Diskrete Optimierung vertreten.

Zeitraum: 01.09.2022 - 28.02.2026
Leitung: Torben Stührmann

Logo Projekt iMarEx: Intelligente Maritime ExplorationiMarEx: Intelligente Maritime Exploration
Ein großes Problem für die Erhaltung der Meere sind Verschmutzungen aufgrund von Öl- und Gaslecks. Die Ausbreitung der Verschmutzungen können heutzutage zwar mit Satelliten vermessen werden, aber es ist immer noch nötig vor Ort mit Wasserfahrzeugen eingreifen zu können. In iMarEx werden verschiedene Wasserfahrzeuge mit wissenschaftlicher und Navigationssensorik ebenso, wie Steuerungshardware ausgerüstet und als Plattform für die Entwicklung von Software zur autonomen Detektion der Ausbreitung und Quelle solcher Verschmutzungen genutzt. Ein Fokus liegt hierbei auf der Entwicklung von dynamischen Modellen der Wasserfahrzeuge und Algorithmen für die autonome Entscheidungsfindung, der Trajektorienplanung und der Regelung.

Zeitraum: 01.09.2022 - 31.08.2025
Leitung: Prof. Dr. Christof Büskens


Logo Projekt SmartFarm2SmartFarm2
Übergeordnetes Ziel von SmartFarm2 besteht darin, die Potenziale der Eigenverbrauchsoptimierung anhand realer Objekte aufzuzeigen, um auch nach dem Auslaufen der garantierten EEG-Vergütung Anreize zu schaffen, EE-Anlagen neu einzusetzen oder weiter zu betreiben. Da für die Eigenverbrauchsoptimierung hochgradig automatisierte Systeme aus dem Bereich der KI entwickelt werden sollen, wird die Ausstattung eines Testfeldes mit 101 Realdemonstratoren mit Hardware angestrebt, damit zum einen datengetriebene Modelle anhand der aufgezeichneten Informationen erstellt werden können und zum anderen der Automatisierungsgrad anhand realer Anwendungen unmittelbar validiert werden kann.

Zeitraum: 01.02.2021 - 31.08.2024
Leitung: Prof. Dr. Christof Büskens, Dr.-Ing. Francesca Jung, Lars Kappertz

Logo Projekt Int2Grids - Integration von intelligenten Quartiersnetzen in VerbundnetzeInt2Grids - Integration von intelligenten Quartiersnetzen in Verbundnetze
Gegenstand des Verbundprojektes ist die Integration von Quartiersnetzen in die übergeordneten Netzführungen und die Untersuchung ihres potentiellen Beitrags zur Erbringung von Netz- und Systemdienstleistungen. Unter einem Quartiersnetz wird hierbei eine lokale Gruppierung von Erzeugern und Lasten verstanden, welche die Möglichkeit und das Bestreben einer lokalen eigenbedarfsorientierten Optimierung besitzt, wie es zum Beispiel bei Smart-City-Quartieren oder geschlossenen Verteilernetzen der Fall sein kann.

Zeitraum: 01.05.2020 - 31.12.2023
Leitung: Prof. Dr. Christof Büskens


Logo Projekt HVDC-MMC_mit_MPC: Ein neues Verfahren für die Reduktion der Verlustleistung von MMC-Höchstspannungs-Umrichtern mittels MPCHVDC-MMC_mit_MPC: Ein neues Verfahren für die Reduktion der Verlustleistung von MMC-Höchstspannungs-Umrichtern mittels MPC
Ziel des Projekts ist, durch die Verwendung von optimalen Regelungsalgorithmen in Höchstspannungsumrichtern den Wirkungsgrad von Hochspannungs-Gleichstrom-Übertragungsstrecken zu verbessern. Im Zentrum des Forschungsprojekts steht die Entwicklung, Implementierung und Erprobung einer leistungs- und echtzeitfähigen modellprädiktiven Regelung (MPC) zur Regelung eines modularen Höchstspannungs-Wechselrichters (HVDC-MMC).

Zeitraum: 01.07.2020 - 30.06.2023
Leitung: Prof. Dr. Christof Büskens


Abgeschlossen

Logo Projekt DiSCO<sub>2</sub>-Bremen: Datenbasierte und intelligente Simulation des Verkehrs zur CO<sub>2</sub>-Reduktion in BremenDiSCO2-Bremen: Datenbasierte und intelligente Simulation des Verkehrs zur CO2-Reduktion in Bremen
Ziel des DiSCO2-Projekts ist es, einen digitalen Zwilling des Bremer Straßenverkehrs zu entwickeln, mit dem sich der Verkehrsfluss vorhersagen und durch intelligentes Schalten von Lichtsignalanlagen verbessern lässt, um den CO2-Ausstoß zu reduzieren. Dabei kommen Methoden aus den Bereichen Big Data und Maschinelles Lernen zum Einsatz.

Zeitraum: 01.07.2020 - 31.12.2022
Leitung: Prof. Dr. Christof Büskens

Logo Projekt Modellprädiktive Regelung der Frischdampfmenge in KraftwerkenModellprädiktive Regelung der Frischdampfmenge in Kraftwerken
Im Rahmen des Projektes soll der Wirkungsgrad eines Braunkohlekraftwerks durch den Einsatz adaptiver Modellierung und modellprädiktiver Regelung verbessert werden.

Zeitraum: 01.07.2018 - 30.04.2021
Leitung: Prof. Dr. Christof Büskens, Dr. Matthias Knauer


Logo Projekt SmartFarmSmartFarm
Übergeordnetes Ziel des Projekts ist die Entwicklung von Werkzeugen, die es erlauben eine kostenoptimale Auslegung von Anlagenkomponenten für einen konkreten landwirtschaftlichen Betrieb zu empfehlen und den Eigenverbrauch, die Einspeisung und die Entnahme unter betriebswirtschaftlichen Gesichtspunkten für die nächsten Stunden und Tage zu optimieren. Ein weiterführendes Ziel ist die Entwicklung von Methoden zur betriebswissenschaftlichen Abbildung und Bewertung der Rahmenbedingungen für ein tragfähiges Geschäftsmodell.

Zeitraum: 01.01.2016 - 31.03.2019
Leitung: Prof. Dr. Christof Büskens, Dr.-Ing. Mitja Echim

Logo Projekt Blindleistungsregelung in Smart-GridsBlindleistungsregelung in Smart-Grids
Ziel dieses Projektes ist es, Überlastungssituationen in Verteilnetzen in Zukunft durch eine automatisierte Regelung des Lastflusses verhindern zu können. Hierzu ist zunächst ein physikalisches Modell zur Beschreibung des Stromnetzes erforderlich. Anhand des Modells wird mit Hilfe der Optimierungssoftware WORHP eine Optimierung des Lastflusses unter Einhaltung der physikalischen Gesetze durchgeführt.

Zeitraum: seit 01.07.2014
Leitung: Prof. Dr. Christof Büskens, Dr.-Ing. Mitja Echim


Logo Projekt Optimierung von Kraft-Wärme-KopplungsanlagenOptimierung von Kraft-Wärme-Kopplungsanlagen
Industrielle KWK-Anlagen dienen vor allem der Betriebskostenreduzierung: Ziel ist es, unter Einbeziehung aller technischen Möglichkeiten und den vielfältigen wirtschaftlichen Umfeldbedingungen, die KWK-Anlage bestmöglichst online zu optimieren. Dazu sind nichtlineare Optimierungsprobleme mit Gleichungs- und Ungleichungsnebenbedingungen zu lösen.

Zeitraum: seit 01.06.2004
Leitung: Prof. Dr. Christof Büskens


Veröffentlichungen

  1. M. Lachmann, J. Maldonado, W. Bergmann, F. Jung, M. Weber, C. Büskens.
    Self-Learning Data-Based Models as Basis of a Universally Applicable Energy Management System.
    Energies, 13(8), 2084, 2020.

    DOI: 10.3390/en13082084

  2. M. Lachmann, F. Jung, C. Büskens.
    Computationally efficient identification of databased models applied to a milk cooling system.
    Conference of Computational Interdisciplinary Science, CCIS, 19.03.-22.03.2019, Atlanta, USA.
    Campinas: Galoa, 2020.

    online unter: https://proceedings.science/ccis-2019/papers/computationally-efficient-identification-of-databased-models-applied-to-a-milk-cooling-system

  3. F. Jung.
    Entwicklung robuster Prognosen für ein Energiemanagementsystem anhand datenbasierter Modellierungsverfahren unter Berücksichtigung von Unsicherheiten.
    Dissertationsschrift, Universität Bremen, 2018.

    online unter: Elektronische Bibliothek der Universität Bremen

  4. F. Jung, C. Büskens.
    Probabilistic Data-Based Models for a Reliable Energy Management.
    2018 IEEE International Conference on Environment and Electrical Engineering and 2018 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe), 12.06-15.06.2018, Palermo, Italien.
    Conference Proceedings, S. 1-6, 2018.

    DOI: 10.1109/EEEIC.2018.8494364

  5. W. Heins, C. Büskens.
    Two-Level Forecast-Based Energy and Load Management for Grid-Connected Local Systems Using General Load and Storage Models.
    18th International Conference on Environment and Electrical Engineering (EEEIC), 12.06-15.06.2018, Palermo, Italien.
  6. F. Jung, M. Lachmann, C. Büskens.
    SmartFarm - Data based optimization for optimal energy management.
    88th GAMM Annual Meeting of the international Association of Applied Mathematics and Mechanics (GAMM).
    Proc. Appl. Math. Mech., 17(1):741-742, 2017.

    DOI: 10.1002/pamm.201710338

  7. S. Chen.
    Datenbasierte Modellierung und Optimierung von Kraft-Wärme-Kopplungsanlagen.
    Dissertationsschrift, Universität Bremen, 2017.

    online unter: Elektronische Bibliothek der Universität Bremen

  8. A. Berger, F. Jung, M. Echim, C. Büskens, M. Schollmeyer.
    Optimal Expansion Planning for an Electric Distribution Network with the NLP Solver WORHP.
    88th GAMM Annual Meeting of the international Association of Applied Mathematics and Mechanics (GAMM).
    Proc. Appl. Math. Mech., S. 735-736, 2017.

    DOI: 10.1002/pamm.201710335

  9. T. Dewenter, W. Heins, B. Werther, A. Hartmann, C. Bohn, H. Beck.
    Parameter Optimization of a Virtual Synchronous Machine in a Microgrid.
    International Journal of Power and Energy Systems, 36(4):129-137, 2016.

    online unter: http://www.actapress.com/PDFViewer.aspx?paperId=45446

  10. S. Chen, D. Wassel, C. Büskens.
    High-Precision Modeling, Simulation and Optimization of Cogeneration Plants.
    Energy Technology, Special Issue: Energy, Science & Technology Conference, 4: 177-186, WILEY-VCH, 2016.

    DOI: 10.1002/ente.201500244

  11. F. Jung, C. Büskens, M. Siefert.
    Physical and Data-Based Model to Improve the Power Forecast of a Wind Power Plant .
    13th Wind Integration Workshop, 11.11.-13.11.2014, Berlin, Deutschland.
    Proceedings of the 13th Wind Integration Workshop, S. 483-488, Energynautics GmbH, 2014.
  12. B. Blume.
    Effiziente Modellgenerierung und optimale Steuerung technischer Systeme am Beispiel von Komponenten von Biogasanlagen.
    Dissertationsschrift, Universität Bremen, mbv, Mensch und Buch Verlag, 2012.
  13. B. Blume, C. Büskens.
    Datenbasierte Modellierung und Simulation von Biogasanlagen mit statischen und dynamischen Modellen.
    ASIM 2009 - 20th Symposium Simulation Techniques, September 2009, Brandenburgische Technische Universität Cottbus, Deutschland.
    ASIM-Mitteilung AMB 124, ASIM 2009 - Extended Abstracts, A. Gnauck, B. Luther (Hrsg.), S. 110-113, Shaker Verlag, 2009.
  14. B. Blume, C. Büskens, D. Wassel.
    Messdatengestützte Modellierung und Simulation einer Gasturbine.
    ASIM 2009 - 20th Symposium Simulation Techniques, September 2009, Brandenburgische Technische Universität Cottbus, Deutschland.
    ASIM-Mitteilung AMB 124, ASIM 2009 - Extended Abstracts, A. Gnauck, B. Luther (Hrsg.), S. 231-234, Shaker Verlag, 2009.