+++ Wir suchen immer kluge Köpfe für das DLR – auch in dieser besonderen Lage. Unsere aktuellen Stellenangebote finden Sie hier. +++

Mein Wissen bewegt. Gestalten Sie mit uns die Welt von Morgen!

Bookmark
Studien-/ Abschlussarbeit

Konfiguration einer Zielpunktregelung mit Hilfe von Reinforcement Learning

Beginn

ab sofort

Dauer

6 Monate

Vergütung

bis Entgeltgruppe 5 TVöD

Beschäftigungsgrad

Teilzeit

Das Institut für Solarforschung des DLR trägt mit seinem Engagement dazu bei, eine klimaneutrale und umweltfreundliche Energieversorgung auf der Basis von Sonnenenergie zu ermöglichen. Wissenschaftlerinnen und Wissenschaftler an vier Standorten in Deutschland und Südspanien arbeiten in enger Kooperation mit der Industrie an der anwendungsbezogenen Entwicklung und Optimierung von Technologien zur solaren Erzeugung von Strom, Wärme und Brennstoffen.

In der Abteilung Solare Kraftwerkstechnik werden solarthermische Turmkraftwerke weiterentwickelt. In solchen Kraftwerken wird das Sonnenlicht von einer Vielzahl von zweiachsig nachgeführten Spiegeln (sog. Heliostaten) auf einen Strahlungsempfänger konzentriert. Der Strahlungsempfänger, auch Receiver genannt, ist auf einem Turm angebracht. Der Receiver absorbiert die konzentrierte Solarleistung und stellt sie einem konventionellen Kraftwerksprozess zur Stromerzeugung zur Verfügung.

Um den Ausbau von Solarturmkraftwerken wirtschaftlich attraktiver zu machen, ist eine Steigerung des Wirkungsgrads von großer Bedeutung. Eine Möglichkeit, den Wirkungsgrad zu erhöhen, besteht in der Optimierung der Einstrahlungsverteilung (auch Flussdichteverteilung genannt) auf dem Receiver. Die Flussdichteverteilung kann durch Einstellen der Zielpunktkoordinaten der einzelnen Heliostate verändert werden. Eine optimale Einstrahlungsverteilung kann mit Hilfe einer Zielpunktregelung erreicht werden. Diese Regler werden jedoch oftmals für ein simulatives Kraftwerk ausgelegt. Für die Praxis, am echten Kraftwerk, müssen die Reglerparameter meist angepasst werden, um eine optimale Regelung zu gewährleisten. Die Anpassung der Parameter braucht jedoch meist viele Versuche und kostet somit Zeit und Geld. Ziel ist es diese Parameterkonfiguration zu automatisieren und eine optimale Parameterkonfiguration in möglichst wenigen Versuchen zu finden.

In dieser Arbeit soll die Bayes'sche Optimierung für das Auffinden geeigneter Regelparameter angewendet werden. Diese Methode wird insbesondere im Gebiet der Robotik angewandt, um Strategien für Roboter zu erlernen, sodass diese bestimmte Aufgaben innerhalb von wenigen Versuchen bewältigen. Eine kleine Einführung in die Bayes'sche Optimierung findest du hier [1]. Sie zeigte sich in diesem Gebiet mindestens um eine Größenordnung dateneffizienter als konkurrierende Methoden [2]. Das Finden optimaler Parameter wird oft dadurch beschleunigt, dass das Wissen aus Simulationen während der Optimierung genutzt wird.

Deine Aufgabe ist es, das Vorwissen aus simulativen Daten für Solarturmkraftwerke zu verwenden und dieses in das Bayesian Optimization Framework zu integrieren. Dabei sollst du auf dem bestehendem Framework BoTorch (https://botorch.org/) aufbauen. Nach der Einarbeitung in das Themengebiet der Bayes'schen Optimierung wirst du unterschiedliche Methoden untersuchen, um das Vorwissen mit der Optimierung zu koppeln. Zum Schluss soll die Genauigkeit, Robustheit und insbesondere Schnelligkeit der Optimierung mit Hilfe von Testdatensätzen evaluiert werden. Die benötigten Mess- und Simulationsdaten werden dir zur Verfügung gestellt.

Literatur:
[1] Shahriari, Bobak; Swersky, Kevin; Wang, Ziyu; Adams, Ryan P.; de Freitas, Nando (2016): Taking the Human Out of the Loop: A Review of Bayesian Optimization. In Proc. IEEE 104 (1), pp. 148–175. DOI: 10.1109/JPROC.2015.2494218.
[2] Chatzilygeroudis, Konstantinos; Vassiliades, Vassilis; Stulp, Freek; Calinon, Sylvain; Mouret, Jean-Baptiste (2018): A survey on policy search algorithms for learning robot controllers in a handful of trials. Available online at https://arxiv.org/pdf/1807.02303.

Ihre Qualifikation:

  • Studium mit guten bis sehr guten Noten in: Informatik, Maschinenbau, Elektrotechnik, Computational Engineering Science, Simulation Science, Automatisierungstechnik, Mathematik, Physik, oder verwandte Studiengänge
  • Programmierkenntnisse mit Python (C++ Kenntnisse erwünscht)
  • Erfahrungen mit Machine Learning Algorithmen wünschenswert
  • Kenntnisse in der Statistik wünschenswert
  • Vorkenntnisse in der Solartechnik wünschenswert
  • Eigeninitiative und Freude am selbstständigen Arbeiten

Ihr Start:

Freuen Sie sich auf einen Arbeitgeber, der Ihr Engagement zu schätzen weiß und Ihre Entwicklung durch vielfältige Qualifizierungs- und Weiterbildungsmöglichkeiten fördert. Unser einzigartiges Arbeitsumfeld bietet Ihnen Gestaltungsfreiräume und eine unvergleichbare Infrastruktur, in der Sie Ihre Mission verwirklichen können. Vereinbarkeit von Privatleben, Familie und Beruf sowie Chancengleichheit von Personen aller Geschlechter (w/m/d) sind wichtiger Bestandteil unserer Personalpolitik. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.

  • Jetzt online bewerben
  • Sie können sich diese Stellenanzeige per E-Mail zusenden und Ihre Bewerbung am stationären Computer oder Laptop erstellen.

    Wir benötigen Ihre digitalen Bewerbungsunterlagen (PDF). Die Übermittlung wird von einigen Mobilgeräten nicht standardmäßig unterstützt. Bitte erstellen Sie Ihre Bewerbung an einem PC/Laptop.

    Bewerbung am PC erstellen

Fachliche/r Ansprechpartner/in

David Zanger
Institut für Solarforschung

Tel.: +49 2203 601-4328

Nachricht senden

Kennziffer 60716

Personalbetreuung Köln

Nachricht senden

DLR-Standort Köln, Hauptverwaltung

zum Standort

DLR-Institut für Solarforschung

zum Institut