Abschlussarbeiten

Gerne betreuen wir Sie sowohl bei Bachelor als auch Master Abschlussarbeiten. Wir haben einige Themenvorschläge, sind aber grundsätzlich bei der Themenwahl sehr offen. Sprechen Sie uns einfach an oder schreiben Sie uns eine eMail.

Offene Themen

Thema Kurzbeschreibung
Machine Learning für 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.
Analyse von Nicht-Determinimus für hybride Petri Netze (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.
Diese Arbeit wird in Zusammenarbeit mit der Arbeitsgruppe von Prof. Risse betreut.

Simulationsoptimierung (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.

Skalierung der Scheduling-Methode (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 für Polytope (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.
Vergleich verschiedener Solver für Power Flow Equations (Bachelor)

Power Flow Equations werden im Kontext von Stromnetzen dazu genutzt den aktuellen Zustandes des Netzes zu berechnen, es zu überwachen und auch zu steuern. Dafür werden verschiedene Gleichungssysteme gelöst, die mittels fester Parameter des Stromnetzes und aktuellen Messungen befüllt werden. Auf diese Weise können Abweichungen, die Notwendigkeit zur Steuerung des Netzes aber auch manche Arten von (Cyber-)Angriffen entdeckt werden.

In dieser Arbeit sollen verschiedene Solver von Power Flow Equations und ihre nummerischen Grundlagen untersucht und auf verschiedene Eigenschaften (z.B. Geschwindigkeit und Genauigkeit) hin untersucht werden. Gleichzeitig soll betrachtet werden, in wie weit bestimmte topologische Strukturen innerhalb des Stromnetzes das Lösen der Power Flow Equations bei Wahl eines bestimmten Solvers begünstigen.

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.


Kommunikationssimulation in MOSAIK (Bachelor)

MOSAIK ist ein in Python geschriebenes Co-Simulationsframework, welches insbesondere für die Simulation von Smart Grids verwendet wird.
In MOSAIK werden verschiedene Simulatoren für Photovoltaicanlagen, Wärmepumpen und Haushalte etc. zu Grid Scenarien verbunden, um so z.B. die Auslastung des Gesamtnetzes zu simulieren. MOSAIK nimmt hierfür eine direkte und verlustfreie Kommunikation zwischen allen Entitäten (d.h. allen verbundenenen Simulatoren) an.

In dieser Arbeit soll ein bereits bestehendes Grid Scenario in MOSAIK um einen Simulator zur geeigneten Kommunikation erweitert werden. Dieser Simulator soll dann die Kommunikation zwischen einem Teil der beteiligten Entitäten in einem geeigneten Protokoll (z.B. Modbus, IEC 104) ermöglichen, sodass hier nicht nur die Kommunikation selbst sondern auch z.B. Verzögerungen sinnvoll simuliert werden können.
Es wird kein Vorwissen oder Vorerfahrung in MOSAIK oder möglichen Kommunikationsprotokollen benötigt.