Zwischenpräsentation

Zwischenpräsentation === ## Anmerkungen Related Work: + [x] Surrogate Model + [ ] Transfer Learning + [x] Definition Alleinstellungsmerkmal ## Evaluation + Baseline Models + [x] Einfache Optimierungsheuristik: Lade wenn mehr Strom erzeugt als verbraucht wird, entlade wenn andersherum. + [ ] KNN Dispatch Schedule Selection + Design des Experiments: + [x] Train/Test Split auch über die Gebäude? + [x] Argumentieren weshalb der gewählte Train und Val. + [ ] Robustheit + [ ] Restriktierungen + [ ] Bewertung der physikalischen Genauigkeit ## Discussion + Praktische Einsatzmöglichkeit + Was braucht man wenn man den Ansatz auf ein neues Gebäude anwenden muss/will (Transfer Learning-Fähigkeit des Optimierungsnetzes? -> + [x] Auf alle Gebäude oder + [x] nur auf einem?) + Real-world restriktionen + [x] Diskutieren, dass es untersucht werden muss + Was passiert wenn ein OP mehrere Lösungen mit ähnlichen Kosten aber komplett unterschiedlichen Fahrplan hat? Was soll das Netz wie lernen (Es hat ja nur eine Lösung als Ausgabe) + [x] Kann man diskutieren wenn man möchte! ## Entscheidungen: + Was soll die Masterarbeit machen. * [ ] Soll nur der Zusammenhang Forecast & Optimierung untersucht werden? + [x] Soll einfach validiert werden, dass das OP-Netz was einigermaßen sinnvolles macht um den Rest der Arbeit auf festeren Boden zu stellen (Zeige, dass die Annahme das OP-Netz sinnvoll ist und für Forecast Optimierung genutzt werden kann.) + Wie sieht die Evaluation für das Optimierungsnetz aus? + Welche Baselines sind ausreichend? + [x] Einfache Heustristik verwenden? + [ ] kNN based Dispatch Schedule Selection? + [ ] Soll die Realitätsnähe des Dispatch Schedules untersucht werden? + [ ] Nein + [ ] Ja + [x] In PhD + [x] Soll es aber diskutiert werden und in outlook sein! + Soll Experiment zwei durchgeführt werden? + [ ] Ja + [x] Wenn Zeit + Sollen Restiktionen im OP-Netz durchgeführt werden? + [ ] Ja + [ ] Wenn Zeit + [x] Erst in PhD (ggf. diskutieren und in Outlook) :dart: Goals for Master Thesis --- * Wichtig für Ausarbeitung * Betonung auf den Zusammenhang zwischen Forecast und den Kosten des Optimierungsproblems. * RQs * [ ] Is it possible to replicate the optimisation problem with a neural network. Is this replication reasonable (simple validation). * [ ] Can we use backpropagation to create forecasts that are explicitly designed for the optimisation problem (structure of networks, our experiments) * [ ] Doe these explicitly designed forecasts actually improve the optimisation problem (input the final forecasts into the original optimisation problem and compare). :books: Backlog for PhD --- * Paperideen: * Forecast tuned by OP-Costs * OP-Net for saving computing time of OP * OP-Net for Transfer Learning * Anwendung im Energy Lab * Erweiterung auf Probabilistic Forecast & Stochastic Optimization * Potentielle Kollaborationspartner * Frederik (Anwendung auf Subthemen bei OPF????????) * Mathias Hertel vielleicht? ## Notes