Abdul Azzam

Wissenschaftliche Publikationen & Preprints:

• Google Scholar
• Preprint

Studentische Arbeiten:

• Tim Dubies: "Entwicklung und Analyse einer Modellprädiktiven Regelung für die optimierte Betriebsführung von Wärmenetzen in Energiequartieren", Masterarbeit, 2024

  • In dieser Arbeit wurde ein Simulationsmodell eines Fernwärmenetzes mit PyDHN entwickelt, das verschiedene Erzeuger wie KWK, Wärmepumpe, Solarthermie und Speicher integriert. Ein modellprädiktiver Regler (MPC) wurde implementiert und mit einer regelbasierten Steuerung verglichen. Die Ergebnisse zeigen, dass der MPC besonders bei flexiblen Betriebsmöglichkeiten und der Einbindung dynamischer Strompreise deutliche Kostenvorteile erzielt. Gleichzeitig wurden Modellungenauigkeiten identifiziert, die Optimierungspotenzial für zukünftige Anwendungen aufzeigen. Die Studie liefert praxisnahe Erkenntnisse für die Dekarbonisierung und effiziente Betriebsführung moderner Wärmenetze.

• Lakshay Panjwani: "Strukturierung von Energiedaten mithilfe einer Datenbank zur Bewertung von ML-Modellen für Lastprognosen", Masterarbeit, 2024

  • Diese Arbeit entwickelte eine Datenbankarchitektur zur strukturierten Verwaltung von Energiedaten und untersuchte verschiedene Machine-Learning-Modelle zur Lastprognose. Analysierte Ansätze umfassten lineare Regression, Ridge-Regression, SARIMA und LightGBM unter Einbeziehung von Wetter-, Kalender- und Gebäudedaten. Das SARIMA-Modell erzielte dabei die höchste Prognosegenauigkeit. Die entwickelte Softwarearchitektur ermöglicht eine effiziente Datenverwaltung und gemeinsame Nutzung für Forschung und Energiemanagement. Damit leistet die Arbeit einen wichtigen Beitrag zur datenbasierten Optimierung von Energieverbrauchsprognosen.

• Jonas Schleh: „Verteilte optimierte Regelung des Wärmenetzes am Campus Vaihingen", Forschungsarbeit, 2025
  • Diese Arbeit entwickelte ein verteiltes MPC-Framework für das Fernwärmenetz der Universität Stuttgart mithilfe eines ADMM-Algorithmus, der das System in kommunizierende Teilnetze (KWK, Wärmepumpe, Solarthermie, Wärmespeicher, Wärmeverbraucher) zerlegt. Der verteilte Ansatz wurde mit einer zentralen MPC verglichen. Die zentrale Regelung erwies sich bei Kosten und Bedarfsdeckung als überlegen, während die verteilte Regelung einen höheren Anteil erneuerbarer Energie erzielte, aber Ungenauigkeiten bei der exakten Bedarfsdeckung aufwies. Die Arbeit demonstriert die Eignung des ADMM zur Koordination lokaler Optimierungen in realen Wärmenetzanwendungen.
• Kareem Hassan: „Entwicklung und Analyse eines dynamischen Modells für die Zustandsschätzung von elektrischen Netzen für die Anwendung in einer modellprädiktiven Regelung", Studentische Forschungsarbeit, 2025
  • Diese Arbeit entwickelte ein dynamisches Zustandsmodell für Mittelspannungsnetze mit PV und Batteriespeichern im Rahmen einer MPC. Es wurden sowohl ein DC-Lastflussmodell als auch ein linearisiertes AC-Optimalflussmodell implementiert und verglichen. Ein degradationsbewusstes Batteriemodell reduzierte die Betriebskosten und verlängerte die Batterielebensdauer. Das DC-Modell eignet sich für großskalige Optimierungen, das linearisierte AC-Modell bildet Blindleistung und Spannungsverläufe genauer ab. Die Ergebnisse wurden anhand etablierter Lastfluss-Tools validiert.
• Leon Scheurer: „Entwicklung und Analyse eines dynamischen Netz- und Wärmepumpenmodells für eine modellprädiktive Regelung eines Energiequartiers", Abschlussarbeit, 2025
  • Aufbauend auf dem bestehenden DiTEnS-Simulationsmodell entwickelte diese Arbeit ein dynamisches Großwärmepumpenmodell auf Basis empirischer Effizienz- und An-/Abfahrdaten sowie zwei Ansätze für ein dynamisches Wärmenetz-Prognosemodell: eine instationäre Energiebilanz und ein graphentheoretisches Modell. Das Großwärmepumpenmodell zeigte realistisches Saisonalverhalten. Das Energiebilanzmodell lieferte vergleichbare Ergebnisse, verursachte jedoch Temperaturschwankungen mit Kostensteigerung. Das graphentheoretische Modell deaktivierte den Speicher und erzeugte unrealistische Temperaturspitzen, was auf einen zu hohen Vereinfachungsgrad hinweist.
• Hassan Ghazle, Michael Neubrander, Charlotta Wallentin: „Prognosemodell zur Umsatzabschätzung von Ladestationen unter Berücksichtigung variabler Einflussfaktoren", Projektarbeit Erneuerbare Energien, 2026
  • Auf Basis realer Verbrauchsdaten von vier MVV-Energie-AG-Ladestationen in Mannheim wurden SARIMA-, LightGBM- und LSTM-Modelle zur Prognose der EV-Ladeauslastung entwickelt und verglichen. Das LSTM erzielte die geringsten Fehler und ist als einziges Modell für den praktischen Einsatz empfehlenswert. SARIMA und LightGBM erreichten auf dem verfügbaren Datensatz keine ausreichende Genauigkeit. Die Autoren weisen darauf hin, dass die begrenzte Datenmenge die Aussagekraft einschränkt und größere Trainingsmengen die Ergebnisse voraussichtlich verbessern würden.
• Caroline Fegert: „MPC-basierte Regelung für ein Wohnquartier mit bidirektionalem EV-Laden", Forschungsarbeit
  • Diese Arbeit entwickelte ein MPC-Framework für ein Wohnquartier mit PV-Erzeugung und uni-/bidirektional ladefähigen Elektrofahrzeugen. Untersucht wurden drei Szenarien: Eigenverbrauchsoptimierung, Kostenoptimierung und netzorientiertes Peak-Shaving. Bidirektionales Laden verbesserte in allen Szenarien die Erreichung des jeweiligen Primärziels, wobei der Mehrwert stark von der Zielfunktion abhängt: erhöhte PV-Eigennutzung, wirtschaftlich motivierte Speicherflexibilität bzw. wirksame Lastspitzenreduktion am Netzanschlusspunkt. Die Arbeit identifiziert zudem Zielkonflikte hinsichtlich Batteriebeanspruchung und Netzinteraktion.
• Chenming Zhan: „Robustness Improvement of Model Predictive Control (MPC) for Building Energy Systems", Forschungsarbeit
  • Diese Arbeit entwickelte ein robustheitsorientiertes MPC-Framework für kleine Gebäudeenergiesysteme, das der Rechenkollaps-Problematik konventioneller MPC unter Extrembedingungen begegnet. Ein mathematisches Robustheitsframework mit Soft Constraints und Slack-Variablen bildet die Grundlage, ergänzt durch physikalische Redundanz. Das neu eingeführte Konzept des „Component Health" überwacht einzelne Komponenten in Echtzeit und passt bei Anomalien automatisch Constraints und Parameter an, um Degradations- oder Ausschlussstrategien einzuleiten. Mehrere wählbare Mehrzielfunktions-Rekonfigurationsstrategien erhöhen die Betriebsflexibilität. Das Modell ist in Python implementiert.

Erfahrung:

• Aktuelle Position:
  
  • Doktorand, Institut für Energiewirtschaft und Rationelle Energieanwendung, Universität Stuttgart (seit 2023)
    • Projekt: Diskursive Transformation von Energiesystemen (DiTEnS)
  • Dozent, DHBW Stuttgart (September 2023 - heute)
    • Vorlesungen: Grundlagen der Automation, Regelungstechnik

• Frühere Positionen:
  • Forschungsarbeit, Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW) (August 2021 - Oktober 2022): Development and Analysis of a Distributed Predictive Control Algorithm for Smart Grids with Decentralized Virtual Power Plants
  • Forschungsassistent, Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW) (Juli 2019 - September 2021)
  • Technischer Assistent, Nagel Maschinen- und Werkzeugfabrik GmbH (Oktober 2018 - Mai 2019)
  • Duales Studium Maschinenbau (DHBW), bielomatik GmbH (Oktober 2015 - September 2018)

Bildung:

• Universität Stuttgart: Master of Science - MS, Technische Kybernetik (April 2019 - März 2023)
  
  • Fachgebiete: Autonome Systeme & Regelungstheorie, Automatisierung in der Energietechnik, Künstliche Intelligenz, Informatik

• Universitat de Barcelona: Master of Science - MS (Februar 2022 - Juli 2022)
  
  • Fachgebiete: Neurobiologie und Neurowissenschaften, Parallele Programmierung (CUDA und OpenMP)

• Hochschule Esslingen - University of Applied Science: Master of Engineering, Systemtechnik/Mechatronik (Oktober 2018 - April 2019)
  • Fachgebiete: Regelungstechnik & Numerische Mathematik

• Duale Hochschule Baden-Württemberg (DHBW): Bachelor of Engineering - BE, Maschinenbau (September 2015 - September 2018)
  
  • Fachgebiet: Konstruktion & Entwicklung