Masterarbeit: Modellierung resilienter Energiesysteme mit Python

Das Fraunhofer-Institut für Chemische Technologie ICT zählt zu den ältesten und größten Instituten der Fraunhofer-Gesellschaft. Mit vielfältigen Kompetenzen in Kunststofftechnologie, chemischen Prozessen, Explosivstofftechnik und Sicherheitsforschung sowie Energie- und Antriebssystemen entwickeln wir anwendungsorientierte Lösungen für anspruchsvolle technologische Fragestellungen. Unsere Forschung reicht von Leichtbau und umweltfreundlicher Chemie über Anwendungen in der Luft- und Raumfahrt bis hin zu Sicherheits- und Verteidigungsanwendungen sowie Recycling- und Nachhaltigkeitskonzepten. Dabei verbinden wir wissenschaftliche Expertise, moderne Infrastruktur und unmittelbare Praxisnähe.

Die ausgeschriebene Masterarbeit ist im Bereich Angewandte Elektrochemie in der Arbeitsgruppe Elektrolyse und Elektrosynthese angesiedelt. Die Transformation der Energieversorgung von Straßenmeistereien stellt neue Anforderungen an die Auslegung elektrischer Infrastrukturen. Durch die zunehmende Integration von Photovoltaikanlagen, Batteriespeichern, Wärmepumpen sowie elektrisch betriebenen Nutzfahrzeugen entstehen komplexe Energiesysteme, die sowohl wirtschaftlich im Regelbetrieb als auch resilient im Krisenfall betrieben werden müssen. Vor diesem Hintergrund soll eine skalierbare Simulationsumgebung entwickelt werden, die verschiedene Technologien der Notstromversorgung systemisch bewertet und die Grundlage für zukünftige Planungs- und Entscheidungsprozesse schafft. Hierbei soll sowohl der wirtschaftlichen Normalbetrieb als auch ein mindestens 72-stündigen Blackout betrachtet werden.

Hier sorgst Du für Veränderung

• Entwicklung einer skalierbaren, parametrierbaren Simulationsumgebung zur Abbildung der Straßenmeisterei in Python (Open-Source-Ansatz)

• Aufbau einer Toolbox aus verfügbaren Open-Source-Modulen zur dynamischen Simulation von Energiesystemen (PV, Batteriespeicher, E-Fahrzeuge, Wärmepumpen)

• Simulation und Optimierung des Normalbetriebs (PV-Eigenverbrauch, Dimensionierung von Batteriespeichern, Berücksichtigung von Investitions-/Betriebskosten)

• Simulation eines 72-Stunden-Blackouts (Abbildung von Notstromaggregaten, Brennstoffzellen, Li-Ion-/Redox-Flow-Batterien)

• Entwicklung eines intelligenten Lastmanagements (Load Shedding, Drosselung von Ladeleistungen, gestaffeltes Laden) zur Vermeidung von Überdimensionierungen

• Analyse, Interpretation und Dokumentation der Ergebnisse