Drift af et komplekst system som elnettet kræver, at man træffer informerede beslutninger under usikkerhed og risiko, uanset om det drejer sig om at definere optimal markedsclearing for elektricitet og hjælpetjenester, identificere strategiske budstrategier for producenter eller fastlægge langsigtede investeringer for netoperatører. I hvert tilfælde skal beslutningstagere spørge: Hvad er det bedst mulige resultat? Hvilke handlinger fører til det? Hvad er afvejningerne og begrænsningerne?

Dette kursus udstyrer de studerende med værktøjerne til at besvare disse spørgsmål ved at introducere de grundlæggende principper for optimeringsteknikker med fokus på deres anvendelse på virkelige beslutningsproblemer i moderne elsystemer.

Kurset kombinerer traditionel undervisning med praktiske aktiviteter for at understrege beregningsmæssig tænkning og modelbaseret ræsonnement som grundlæggende færdigheder til at formulere og løse beslutningsproblemer ved hjælp af matematisk optimering. Gennem disse aktiviteter lærer de studerende, hvordan man identificerer og beskriver strukturen af ​​virkelige beslutningsproblemer i elsystemer, oversætter dem til veldefinerede matematiske optimeringsmodeller, løser disse modeller ved hjælp af beregningsværktøjer, kritisk evaluerer deres løsninger og udleder og kommunikerer værdifuld indsigt til at understøtte drifts- og planlægningsbeslutninger.

Selvom fokus er på energisystemer, er de teknikker og den tankegang, der udvikles gennem hele kurset, bredt anvendelige på forskellige områder såsom finans, transport og logistik. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Beskriv de grundlæggende principper for konveks optimering og lineær programmering, herunder problemstruktur, gennemførlighed, optimalitet og beregningskompleksitet.
• Forklar og sammenlign metoder til optimering under usikkerhed, undersøg deres problemstruktur, underliggende antagelser og beregningsmæssige afvejninger.
• Formuler og analyser dualitets- og optimalitetsbetingelserne for konvekse optimeringsproblemer.
• Fortolke de geometriske og teknoøkonomiske implikationer af de duale og optimale betingelser for optimeringsproblemer i elsystemer ved at forbinde dem med marginalomkostninger, ressourceværdiansættelser og driftsmæssige begrænsninger.
• Oversæt virkelige beslutningsproblemer i elsystemer fra naturligt sprog til veldefinerede matematiske optimeringsmodeller, identificer mål, beslutningsvariabler, begrænsninger og inputdata.
• Kritisk evaluere løsningerne fra optimeringsmodeller ved at analysere, hvordan modelleringsvalg påvirker gennemførlighed, optimalitet og beregningsmæssig kompleksitet, og udtrække brugbar indsigt til operationelle eller planlægningsbeslutninger.
• Design og implementer i fællesskab videnskabelig kode for at løse virkelige optimeringsproblemer inden for energisystemer, integrere bidrag på tværs af gruppemedlemmer og dokumentere arbejdsgange tydeligt.
• Effektivt kommunikere løsninger på komplekse beslutningsproblemer i elsystemer til et bredt publikum gennem klare og overbevisende fortællinger og visualiseringshjælpemidler.
• Kommuniker formuleringen, løsningsprocessen og indsigten i komplekse optimeringsproblemer til et bredt publikum gennem klar skriftlig analyse, overbevisende fortællinger og visualiseringshjælpemidler.

Studerende vil lære at formulere, løse og kritisk analysere optimeringsmodeller til virkelige beslutningsproblemer i moderne elsystemer. Kurset dækker konveks optimering, dualitetsteori, komplementaritetsmodellering og optimering under usikkerhed, anvendt på en bred vifte af problemer, herunder: drift og planlægning af elsystemer, værdiorienteret prognoser, elmarkeder og efterspørgselsrespons. 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. 04. maj, 2026