TUHH Open Research
Help
  • Log In
    New user? Click here to register.Have you forgotten your password?
  • English
  • Deutsch
  • Communities & Collections
  • Publications
  • Research Data
  • People
  • Institutions
  • Projects
  • Statistics
  1. Home
  2. TUHH
  3. Publications
  4. KI-basiertes Energiemanagement für Schiffe mit Gleichspannungs-Energienetzen
 
Options

KI-basiertes Energiemanagement für Schiffe mit Gleichspannungs-Energienetzen

Citation Link: https://doi.org/10.15480/882.9141
Publikationstyp
Conference Poster not in Proceedings
Date Issued
2023-03-16
Sprache
German
Author(s)
Annuth, Robert  
Elektrische Energietechnik E-6  
Nußbaum, Finn Ole  
Elektrische Energietechnik E-6  
Becker, Christian  orcid-logo
Elektrische Energietechnik E-6  
TORE-DOI
10.15480/882.9141
TORE-URI
https://hdl.handle.net/11420/45453
Citation
Technische Universität Hamburg (2023)
Contribution to Conference
Maritime Research Forum 2023  
Die Veränderung des Klimas verdeutlicht u. a. die globale Relevanz des emissionsarmen Betriebs maritimer Systeme. Für diesen bedarf es einer nachhaltigen Energieversorgung an Bord, die durch die Integration erneuerbarer Energiequellen erreichbar ist. Dadurch entstehen zusätzliche Freiheitsgrade für das Energiemanagement eines Schiffs gegenüber dem Stand der Technik, bei dem alle Anlagen über große zentrale Generatoren versorgt werden. Da an Bord großenteils Gleichstrom (DC) verwendet wird, wird eine DC-Energieversorgung betrachtet, welche gegenüber Wechselstrom (AC)-Netzen Umwandlungsverluste reduziert.
In der Studie wird mit Reinforcement Learning als Methodik für eine mehrdimensionale Optimierung untersucht, welche zusätzlichen Freiheitsgrade im Energienetz ausgeschöpft werden können. Dazu werden ein exemplarisches Kabinennetz eines Kreuzfahrtschiffes realitätsgetreu in MATLAB (Software) modelliert und eine optimierte Regelung für das Energiemanagement simuliert. Dabei werden zwei Regelziele verfolgt: zum einen die Optimierung der Spannungsniveaus der Quellen (Batteriespeicher, Photovoltaik, Netzeinspeisung) in Form einer Droop-Regelung, zum anderen die Optimierung der mit dem Netz ausgetauschten Leistungen der genannten Quellen.
Durch die Anpassung der Spannungsniveaus lässt sich die Aufteilung der Lasten zwischen den Quellen variieren, eine Überlastung einzelner Quellen verhindern und die Lebensdauer der Komponenten im Netz maximieren. Die Studie leistet einen Beitrag bei der Ermittlung des Potenzials von KI-Anwendungen für das Energiemanagement.
Subjects
reinforcement learning
energy management
microgrid
dc system
renewable energy
MLE@TUHH
DDC Class
621: Applied Physics
Funding(s)
Gleichstromenergieversorgung für Schiffe; Konzepterstellung und Optimierung der Energieverteilung sowie Sektorenkopplung auf Schiffen unter Berücksichtigung dezentraler Energieerzeugung und Verteilung auf DC  
Publication version
publishedVersion
Lizenz
https://creativecommons.org/licenses/by-nc-sa/4.0/
Loading...
Thumbnail Image
Name

Annuth-DMZ.pdf

Type

Main Article

Size

979.62 KB

Format

Adobe PDF

TUHH
Weiterführende Links
  • Contact
  • Send Feedback
  • Cookie settings
  • Privacy policy
  • Impress
DSpace Software

Built with DSpace-CRIS software - Extension maintained and optimized by 4Science
Design by effective webwork GmbH

  • Deutsche NationalbibliothekDeutsche Nationalbibliothek
  • ORCiD Member OrganizationORCiD Member Organization
  • DataCiteDataCite
  • Re3DataRe3Data
  • OpenDOAROpenDOAR
  • OpenAireOpenAire
  • BASE Bielefeld Academic Search EngineBASE Bielefeld Academic Search Engine
Feedback