Beschreibung einzelner Lerneinheiten (ECTS-Lehrveranstaltungsbeschreibungen) pro Semester

Studiengang: Master Nachhaltige Energiesysteme
Studiengangsart: FH-Masterstudiengang
Berufsbegleitend
Wintersemester 2020

Titel der Lehrveranstaltung / des Moduls Grundlagen der Optimierung
Kennzahl der Lehrveranstaltung / des Moduls 072722010501
Unterrichtssprache Deutsch
Art der Lehrveranstaltung (Pflichtfach, Wahlfach) Wahlpflichtfach
Semester in dem die Lehrveranstaltung angeboten wird Wintersemester 2020
Semesterwochenstunden 2
Studienjahr 2020
Niveau der Lehrveranstaltung / des Moduls laut Lehrplan 2. Zyklus (Master)
Anzahl der zugewiesenen ECTS-Credits 3
Name des/der Vortragenden Babette HEBENSTREIT


Voraussetzungen und Begleitbedingungen

Keine


Lehrinhalte

Anwendungsbeispiele: Demand Side Management; PV-Eigenverbrauch; Ladelastmanagement in der E-Mobilität; Erzeuger- und Verbrauchermix; Data-Envelopment-Analysis; Optimierung nach Kosten, Energie, CO2, Zeit, Effizienz, Ausfall etc. Methoden:

  • Lineare Optimierung: geometrische Lösung, Matrixformulierung, Sensitivitätsanalysen (Schattenpreise), Mixed Integer Linear Programing, Modellierungstricks
  • Modellieren und Lösen am Computer mit Hilfe einer Modeling Language und eines Solvers
  • Quadratische Optimierung: Least Squares (Regression) und Least Norm
  • Nicht-Lineare Optimierung (nur einführend): Lagrange Multiplikatoren, Lösung mit iterative Methoden, Gradientenverfahren, genetische Algorithmen etc

Lernergebnisse

Nach Abschluss der Lehrveranstaltung können die Studierenden Standard-Optimierungsverfahren in typischen techno-ökonomischen Problemen einsetzen. Die Studierenden können

  • einen Überblick über Standard-Optimierungsverfahren geben und ihre Eignung für Problemstellungen beurteilen.
  • Standard-Optimierungsverfahren auf typische techno-ökonomische Probleme anwenden, in einer Skriptsprache implementieren und deren Ergebnisse und Sensitivität interpretieren.
  • die Rechenkomplexität eines Problems beurteilen
  • beurteilen, welche Probleminformationen inwieweit nützlich sind (Modellgenauigkeit, Datenaufwand, Wert von Information)

Geplante Lernaktivitäten und Lehrmethoden

Integrierte Lehrveranstaltung


Prüfungsmethode und Beurteilungskriterien
  • Bewertung von Übungsaufgaben in Kleingruppen und Einzelarbeiten
  • Abschlussprüfung

Kommentar

Keiner


Empfohlene Fachliteratur und andere Lernressourcen
  • Boyd, Stephen; Vandenberghe, Lieven (2018): Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares. 1. Aufl. Cambridge, UK ; New York, NY: Cambridge University Press.
  • Sioshansi, Ramteen; Conejo, Antonio J. (2017): Optimization in Engineering: Models and Algorithms. 1st ed. 2017. New York, NY: Springer.
  • Holland, Heinrich; Holland, Doris (2016): Mathematik im Betrieb: Praxisbezogene Einführung mit Beispielen. 12., wesentl. überarb. Aufl. 2016. Wiesbaden: Gabler Verlag.
  • Sierksma, Gerard; Zwols, Yori (2015): Linear and Integer Optimization: Theory and Practice, Third Edition. CRC Press.
  • Bronson, Richard; Naadimuthu, Govindasami (1997): Schaum’s Outline of Operations Research. 2 ed. New York: McGraw-Hill Education - Europe.
  • Williams, H. Paul (2013): Model Building in Mathematical Programming 5e. 5. Hoboken, N.J: Wiley.

Art der Vermittlung

Präsenzveranstaltung. Die Studierenden werden vor Beginn der Lehrveranstaltung über die Anwesenheitsvorgaben der Lehrbeauftragten informiert.