Lernende Algorithmen zur Automatisierung intelligenter leistungselektronischer Systeme
Die Form, in der elektrische Energie zur Verfügung steht, entspricht nicht immer dem Bedarf von elektrischen Anlagen oder Netzen. Um sie nutzbar zu machen, sind leistungselektronische Systeme, d. h. Energiewandler, notwendig. Ein klassisches Beispiel hierfür sind sogenannte Wechselrichter in Photovoltaik-Anlagen oder Ladegeräte für Elektrofahrzeuge, welche Wechselstrom in Gleichstrom wandeln. Für einen reibungslosen und effizienten Wandlungsvorgang sorgen dabei Regler, z. B. als Software in Mikroprozessoren, die zuvor jeweils anforderungsspezifisch entworfen und programmiert werden müssen. Diese sogenannte Auslegung der Regelung stellt gegenwärtig eine große Herausforderung dar, da eine optimale Auslegung einen hohen personellen Aufwand voraussetzt. Eine nicht-optimale Auslegung kann z. B. zum Ausfall von technischen Geräten führen oder ihre Leistung bzw. Effizienz mindern. Im Rahmen des Vorhabens LEA-AI der Universität Paderborn soll eine neue KI-basierte Regelungsarchitektur validiert werden, die eine effiziente optimale Auslegung von leistungselektronischen Systemen ermöglicht. Kern der Architektur sind Algorithmen aus dem Bereich bestärkendes Lernen (engl. reinforcement learning), die selbstständig passfähige Regelungsstrategien erlernen. Hierdurch kann die Auslegung automatisiert und beschleunigt werden, wovon perspektivisch viele Anwendungsbereiche bzw. Branchen profitieren werden, u. a. Automobilhersteller bzw. –zulieferer, Stromnetzausrüster, regenerative Kraftwerkshersteller sowie die Wasserstoffindustrie. Im Anschluss an das Vorhaben ist die Verwertung über eine Ausgründung/Auslizensierung geplant.