
Reinforcement Learning for Cognitive Energy Systems
Reinforcement Learning in der Energiewirtschaft vorantreiben
Wir, die Nachwuchsgruppe RL4CES – Reinforcement Learning for Cognitive Energy Systems, wollen das Potenzial von Deep Reinforcement Learning im Kontext des Energiesystems entfalten.
Durch unsere Forschung wollen wir Deep Reinforcement Learning sicherer, effektiver und kostengünstiger für die Energiewirtschaft machen und so einen signifikanten Beitrag zu einem stabilen und resilienten Energiesystem leisten.
Der Fokus unserer Anwendung liegt dabei auf den Themen der automatisierten Netzsteuerung und des automatisierten Energiehandels.
News-Feed
- Publikation akzeptiert bei ETG Kongress 2025Unser Paper Graph Neural Networks for Grid Control: Prospects in AI-assisted Transmission Grid Operation von Clara Holzhüter, Pawel Lytaev, Marcel Dipp, Mohamed Hassouna, Kurt Brendlinger, Jan Viebahn, Wiktor Gegelman und Christian Merz wurde akzeptiert beim ETG Kongress 2025. Abstract:Transmission grid congestion management and outage planning are critical tasks in modern grid operation due to thenon-linear… Publikation akzeptiert bei ETG Kongress 2025 weiterlesen
- Workshop: Machine Learning for Sustainable Power SystemsDer Workshop Machine Learning for Sustainable Power Systems (ML4SPS) bringt WissenschaftlerInnen aus den Feldern Machine Learning und Energiesysteme auf der European Conference of Machine Learning zusammen. Forschende und AnwenderInnen können ihr Wissen und ihre Erfahrungen in den Feldern erneuerbare Energiesysteme, Grid Management und Machine Learning teilen und so von der Expertise der Community profitieren. Zwei… Workshop: Machine Learning for Sustainable Power Systems weiterlesen