Overordnede kursusmål
Hovedformålet med kurset er at løfte sløret for mulighederne i
grænsefladen af digitalisering af energisektoren, ved at gennemgå
nogle indledende begreber inden for energianalyse og optimering.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Beskriv og analyser vigtige typer data relateret til
energimarkeder
- Beskriv en række beslutningsproblemer hos elforbrugere og
prosumere som optimeringsproblemer
- Kunne udlede og diskutere beskrivende statistikker om
energirelaterede data
- Implementere, bruge og evaluere regressions- og
maskinlæringsteknikker med fokus på forecasting
- Udvikle dataanalyse- og optimeringsprogrammer i Python
- Kombiner forskellige dataanalyseteknikker til større og mere
komplicerede problemer
- Organisere og udføre gruppebaseret projektarbejde
- Effektivt præsentere projektarbejde i skriftlig form
Kursusindhold
Kombinationen af stigende datatilgængelighed i energisystemer og
liberaliseringen af energimarkederne medfører en række muligheder
og udfordringer i driften af energisystemer. Kurset koncentrerer
sig hovedsageligt om sagen om elektricitet og relaterede
brugssager.
Der vil blive givet en kompakt introduktion til elmarkeder og
priser, da dette vil tjene som vejledende anvendelse af metoderne
undervist i dette kursus. Parallelt hermed vil forskellige typer
relevante datasæt blive introduceret, såsom forbrugsdata for
intelligente målere, PV-produktion, elpriser og meteorologiske
data. Forskellige nyttige teknikker til at analysere sådanne
datasæt og løse et sæt af relaterede problemer vil blive
introduceret, såsom regression, prognose, maskinlæring og
optimering. Der vil blive lagt vægt på en række analyse- og
optimeringsproblemer, f.eks. den optimale planlægning af lager for
at maksimere profitten på et marked, og forudsigelse af elpriser.
Fokus vil også blive placeret på at lære at opsætte strenge
optimeringsproblemer, på at sammenligne forskellige teknikker
(f.eks. ARIMA-modeller vs maskinlæring) og på træning og korrekt
evaluering af modellerne. Desuden vil eleverne anvende
Python-programmeringssproget til at behandle data, udføre analyser
og implementere optimeringsmetoder. Et vigtigt mål med kurset er at
kombinere de udviklede modeller og teknikker (f.eks. optimering og
prognoser) til løsning af større energianalyseproblemer.
Sidst opdateret
02. maj, 2024