Drift af et komplekst system som elnettet kræver, at der træffes informerede beslutninger under usikkerhed og risiko, hvad enten det drejer sig om at definere optimal markedsclearing for el og accessoriske tjenester, identificere strategiske budstrategier for producenter eller fastlægge langsigtede investeringer for netoperatører. I hvert enkelt tilfælde må beslutningstagere spørge: Hvad er det bedst mulige resultat? Hvilke handlinger fører til det? Hvad er afvejninger og begrænsninger?

Dette kursus udstyrer eleverne med værktøjerne til at besvare disse spørgsmål ved at introducere de grundlæggende principper for optimeringsteknikker med fokus på deres anvendelse på beslutningstagningsproblemer i den virkelige verden i elsystemer. Det lægger vægt på beregningstænkning og modelbaseret ræsonnement som grundlæggende færdigheder til at formulere og løse beslutningsproblemer ved hjælp af matematisk optimering.

Kurset kombinerer hybride og flippede klasseværelser, praktiske kodningsøvelser, samarbejdsprojekter og peer-diskussioner og skræddersyede brætspil for at fremme intuition, kreativitet og en dybere forståelse af komplekse optimeringsteknikker. Gennem disse aktiviteter vil eleverne lære at identificere og beskrive strukturen af ​​beslutningsproblemer i kraftsystemer, omsætte dem til veldefinerede matematiske optimeringsmodeller, løse disse modeller ved hjælp af beregningsværktøjer, kritisk vurdere løsninger og udlede og kommunikere værdifuld indsigt til at understøtte operationelle og planlægningsbeslutninger.

Mens fokus er på strømsystemer, er de teknikker og tankegang, der er udviklet i løbet af kurset, bredt anvendelige til forskellige domæner såsom økonomi, transport og logistik. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Beskriv de grundlæggende principper og egenskaber ved konveks optimering og lineær programmering.
• Forklare og sammenligne forskellige metoder til optimering under usikkerhed ved at undersøge deres problemstruktur (inputdata, beslutningsvariable, objektiv funktion, begrænsninger), underliggende antagelser og beregningsmæssig kompleksitet.
• Evaluer optimeringsmodellernes løsninger kritisk ved at analysere, hvordan inputdata og modelleringsvalg påvirker gennemførlighed, nøjagtighed, optimalitet og beregningsmæssig kompleksitet.
• Formulere de dobbelte problem- og optimalitetsbetingelser for lineære og konvekse optimeringsproblemer, og forklare deres matematiske egenskaber og implikationer.
• Fortolke og karakterisere strukturen og egenskaberne af virkelige beslutningsproblemer i magtsystemer beskrevet i naturligt sprog ved at identificere nøglekomponenter (mål, begrænsninger, beslutningsvariabler og inputdata) og forklare deres interaktioner.
• Oversæt virkelige beslutningsproblemer til veldefinerede matematiske optimeringsmodeller, der effektivt formulerer begrænsninger, mål og beslutningsvariabler.
• Udvikle og implementere videnskabelig kode i fællesskab for effektivt at løse beslutningstagningsproblemer i det virkelige liv i strømsystemer ved hjælp af passende løsningsalgoritmer, effektivt integrere bidrag og dokumentere arbejdsgange.
• Fortolke løsningerne af optimeringsmodeller til komplekse beslutningstagningsproblemer i elsystemer ved at identificere nøgleindsigter og understøtte data for at forklare deres implikationer for operationelle eller planlægningsbeslutninger.
• Fortolke betydningen, ud fra et teknoøkonomisk perspektiv, af optimalitetsbetingelserne, dobbeltformulering og dobbelte variable af strømsystemoptimeringsproblemer, ved at koble dem til marginalomkostninger, ressourcevurderinger og operationelle begrænsninger, og bruge dem til at give værdifuld indsigt i løsningerne af disse optimeringsproblemer.
• Kommuniker effektivt løsningerne af komplekse beslutningsproblemer i strømsystemer til et bredt publikum gennem klare og overbevisende fortællinger og visualiseringshjælpemidler.
• Identificer relevante beslutningsproblemer i det virkelige liv i elsystemer, design og implementer skræddersyede optimeringsmodeller for at give realistiske og praktiske løsninger og motivere disse modelleringsvalg.
• Giv klar, konstruktiv og handlekraftig peer-feedback om identifikation og formulering af relevante beslutningsproblemer i elsystemer, egnethed af forskellige modelleringsvalg til at tackle disse problemer samt fortolkning og effektiv kommunikation af nøgleindsigter.

Studerende vil få en dyb forståelse af lineær programmering og konveks optimering, dualitetsteori, komplementaritetsmodellering og optimeringsteknikker under usikkerhed, og lære at anvende disse værktøjer til en række virkelige udfordringer i kraftsystemer. Nøgleapplikationer omfatter kapacitetsudvidelsesplanlægning, økonomisk afsendelse, enhedsforpligtelse, optimalt strømflow, værdiorienteret prognose, markedsclearing, dynamisk prissætning, strategisk investering, selvplanlægning og budgivning på elmarkeder. Dette kursus er blevet redesignet som en del af DigiWind-projektet for at fremme avancerede digitale færdigheder inden for vind- og energisystemteknik. Læringsmålene, aktiviteterne og evalueringsmetoderne er blevet omstruktureret for at understrege beregningstænkning, modelbaseret ræsonnement og matematiske programmeringsfærdigheder. En række digitale værktøjer er integreret for at understøtte aktiv og differentieret læring. 02. maj, 2025