Theses
We are offering supervision for Bachelor and Master theses. We suggest a number of possible topics, but are also open for further subjects. Please contact us by eMail.
Open topics
| Topic | Short description in German |
| Machine Learning for Smart Homes (Master) | Die Entwicklung von Smart Homes und smarten Haushaltsgeräten gewinnt zunehmend an Bedeutung. Um die Sicherheit von Stromnetzen zu gewährleisten, werden Lösungen benötigt, die es ermöglichen, den Stromverbrauch (und ggf. auch Produktion) vorherzusagen. Für automatisierte Vorhersagen gibt es verschiedene bestehende Ansätze des Machine Learnings. In Zusammenarbeit mit der Arbeitsgruppe von Prof. Dr. Jiang soll untersucht werden, wie sich bestehende Machine Learning Verfahren (Schätzer, Clustering, Hidden Markov Modelle etc.) anwenden lassen, um den Stromverbrauch smarter Haushaltsgeräte zu modellieren und vorherzusagen. Zusätzlich kann die Stromproduktion von Photovoltaikanlagen in Abhängigkeit des Wetters untersucht werden. |
| Analysis of Non-Determinism for hybrid Petri Nets (Bachelor / Master) |
Hybride Systeme mit zufälligem Verhalten lassen sich als hybride Petri-Netzen mit General Transitions (HPnGs) modellieren. Für die Analyse und das Model Checking von HPnGs wurde ein C++ Tool entwickelt, in dem Nicht-Determinismus durch Gewichte aufgelöst wird. In unserer aktuellen Forschung haben wir einen Ansatz entwickelt um Nicht-Determinismus mithilfe sogenannter Scheduler aufzulösen, was zu einem linearen Optimierungsproblem führt. Eine Lösung für dieses Problem wurde für Einzelfälle untersucht und implementiert. Im Rahmen einer Abschlussarbeit soll dieses Optimierungsproblem für allgemeinere Fälle weiter untersucht und bisherige Implementierungen entsprechend erweitert werden. |
| Machine Learning for SCADA security in future energy distribution grids (Master) |
Erneuerbare Energien werden über Kontrollnetzwerke mit dezentralisiertem Energie-Management bewacht, um einen stabilen Verteilungsprozess zu gewährleisten. Supervisory Control and Data Acquisition (SCADA) wird verwendet um Messungen zu kommunizieren und Befehle zwischen Komponentien auszutauschen. Zukünftige Energie-Verteilungssysteme werden eine höhere Konnektivität aufweisen und somit angreifbarer für Cyber-Angriffe sein. Es soll untersucht werden, inwieweit generative adverserial networks (GANs) verwendet werden können, um einen Datensatz mit gelernten Anomalien zu erzeugen. |
| Optimization of simulation method (Bachelor) | Bisher wird in unserem Java Tool HYPEG zur Simulation hybrider Petri Netze ein Simulationslauf nach Erreichen der maximalen Zeitgrenze auf gewünschte Eigenschaften getestet. In dieser Bachelorarbeit soll untersucht werden, ob eine Überprüfung während des Simulationslaufs zu einer besseren Performanz führt. Hierzu ist es notwendig, die bestehende Implementierung anzupassen und mithilfe von einer Case Study Ergebnisse zu evaluieren und diskutieren. |
| Scaling of the scheduling method (Bachelor / Master) | Zum Lernen von optimalen Entscheidungen in stochastischen hybriden Systemen wurde bereits erfolgreich Q-Learning eingesetzt. Allerdings erfordert dieses Verfahren eine Diskretisierung des Zustandsraums, welche für große Systeme nicht mehr zu guten Ergebnissen führt. Im Zuge dieser Masterarbeit soll untersucht werden, ob und wie das Verfahren Deep Q-Learning eingesetzt werden kann. Deep Q-Learning verwendet ein neuronales Netz, um optimale Entscheidungen zu finden und verzichtet auf eine Diskretisierung. Je nach Vorkenntnissen kann die Zielsetzung dieser Arbeit bezüglich der Implementierung etwas variiert werden. |
| Double Representation for polytopes (Master) | Für die Analyse stochastischer hybrider Automaten wurde ein Analyse-Verfahren entwickelt und in ein C++ Tool implementiert, das auf Flowpipe Construction zurückgreift. In diesem Verfahren wird zwischen zwei Representationen für Polytope, der H-Representation und V-Representation, gewechselt. Jeder Wechsel hat dabei große Auswirkungen auf die Laufzeit. Das Verfahren soll um eine Double Representation erweitert werden, bei dem alle Operationen auf beide Representationen ausgeführt werden, sodass die Anzahl der Wechsel reduziert wird. |
| Intrusion Detection in DEMKit (Bachelor) | Die Energiewende führte und führt durch die Einführung von weit verteilten, kleinen Stromerzeugern (wie z.B. Photovoltaikanlagen) zu einem Paradigmenwechsel in der Art, wie Stromnetze gesteuert werden. Vormals starkt zentralisierte Systeme teilen sich zunehmen auf dezentralisiert gesteuerte Teilnetze auf, welche sich in Vernetzung mit ihren direkten Nachbarn automatisiert managen. Gleichzeitig steigt mit dieser zunehmenden Vernetzung und der Einführung diverser "smarter" Geräte die Anzahl der (Cyber-)Angriffe gegen jegliche Art von Strominfrastruktur.
In dieser Arbeit soll ein bestehender Prototyp eines Intrustion Detection Systems (IDS), welches aktuell mit simulierten Stromdaten des Co-Simulation Framework Mosaik arbeitet, für das Decentralized Energy Managament Toolkit (DEMKit) angepasst werden. Auf diese Weise können die mittels DEMKit simulierten, aber auch zum Teil real gesteuerten Geräte ebenfalls überwacht werden und der sichere Betrieb von z.B. Wärmepumpen oder auch Ladestation für Elektro-Autos so perspektivisch verbessert werden. |