Teilprojekt: Dekompositionsmethoden für ganzzahlig-kontinuierliche Optimalsteuerung (A05)
![](https://www.utn.de/files/2024/01/AdobeStock_lc-design-694823619-1000x670-1.jpg)
© AdobeStock/lc design
Förderung: Deutsche Forschungsgemeinschaft (DFG), Sonderforschungsbereich (SFB), Collaborative Research Center (CRC) Transregio 154
Zusammenfassung: Im Projekt untersuchen wir Bereichszerlegungsverfahren für Optimalsteuerungsprobleme am Beispiel von Gasnetzen. Unser Hauptziel ist es, die Bereichszerlegungsmethode in Ort und Zeit aus der zweiten Phase mit Machine Learning und gemischt-ganzzahligen Optimierungstechniken zu kombinieren. Zu diesem Zweck entwickeln wir einen vernetzten datengesteuerten und physikalisch fundierten Algorithmus, NeTI (Network Tearing and Interconnection) genannt, der gemischt-ganzzahlige nichtlineare Programmierung, das Lernen von Surrogatmodellen und Graphzerlegungsstrategien miteinander verknüpft.
Adrian Göß, Doctoral Researcher
adrian.goess@utn.de, +49 911 9274-1606