Fakultät für Maschinenbau

Permanent URI for this collection

https://open-science.ub.ovgu.de/handle/684882692/85

Browse

Browsing Fakultät für Maschinenbau by Title

Now showing 1 - 2 of 2
  • Item
    Agentenbasierte Steuerung virtueller Kraftwerke zur Umsetzung von Demand-Response-Mechanismen deutscher Märkte im industriellen Kontext
    (Otto-von-Guericke-Universität Magdeburg, 2022) Woltmann, Stefan Hinderk
    Demand Response (DR) ist eine wichtige Säule beim Übergang zu einem größeren Anteil an erneuerbarer Energie im Stromnetz. Es gleicht Volatilität im Stromnetz durch eine Verschiebung der Last zu einem früheren oder späteren Zeitpunkt oder durch den Verzicht bzw. die Zuschaltung einer Last in einem bestimmten Zeitraum aus. Industrieunternehmen können ihre energetische Flexibilität potenziell gewinnbringend an DR-Märkten anbieten, um die Netzstabilität zu unterstützen, indem sie mit DR-Aggregatoren kooperieren. Zahlreiche Studien empfehlen den Einsatz von Agentensystemen (MAS) in diesem Bereich, jedoch mangelt es an tatsächlichen Implementierungen und Anwendungen dieser Technologie außerhalb der Wissenschaft. Dies kann auf die Annahme homogener Strukturen und der Lösungsansätze auf einer hohen Abstraktionsebene in der Wissenschaft zurückzuführen sein. Um DR-Aggregatoren zu helfen, ihre bestehenden virtuellen Kraftwerke durch die Anwendung des Agentenparadigmas zu verbessern, stellt diese Arbeit die Entwicklung eines Agentensystems zur Umsetzung von deutschen DR-Mechanismen mit einem Konzept zur technischen Implementierung auf industriellen Standardkomponenten vor, das einen schrittweisen Wechsel zur Agententechnologie ermöglicht. Dies beinhaltet ein FIPA-konformes auf JADE basierendes Agentensystem, das die Anforderungen der deutschen DR-Märkte erfüllt – einem Schnittstellenkonzept zur Anbindung industrieller Flexibilitäten und bestehender VPP-Management-Systeme zur Nutzung des bestehenden Know-hows. Zur Validierung des Systems wird die Simulation eines realen Anwendungsfalls des MAS im Rahmen eines Laboraufbaus vorgestellt, was in einer abschließenden Diskussion der Ergebnisse erörtert wird.
  • Item
    Supplementary data for “Optimization-Based Tuning of a Hybrid UKF State Estimator with Tire Model Adaption for an All Wheel Drive Electric Vehicle”
    (Otto-von-Guericke Universität Magdeburg, 2021) Heidfeld, Hannes; Schünemann, Martin
    Novel drivetrain concepts such as electric direct drives can improve vehicle dynamic control due to faster, more accurate, and more flexible generation of wheel individual propulsion and braking torques. Exact and robust estimation of vehicle state of motion in the presence of unknown disturbances, such as changes in road conditions, is crucial for realization of such control systems. This article shows the design, tuning, implementation, and test of a state estimator with individual tire model adaption for direct drive electric vehicles. The vehicle dynamics are modeled using a double-track model with an adaptive tire model. State-of-the-art sensors, an inertial measurement unit, steering angle, wheel speed, and motor current sensors are used as measurements. Due to the nonlinearity of the vehicle model, an Unscented Kalman Filter (UKF) is used for simultaneous state and parameter estimation. To simplify the difficult task of UKF tuning, an optimization-based method using real-vehicle data is utilized. The UKF is implemented on an electronic control unit and tested with real-vehicle data in a hardware-in-the-loop simulation. High precision even in severe driving maneuvers under various road conditions is achieved. Nonlinear state and parameter estimation for all wheel drive electric vehicles using UKF and optimization-based tuning is shown to provide high precision with minimal manual tuning effort.