Abdul Azzam

Wissenschaftliche Publikationen:

• Google Scholar

Studentische Arbeiten:

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

  • In dieser Masterarbeit wurde ein Simulationsmodell für Fernwärmenetze entwickelt und analysiert. Ziel der Arbeit war es, die Effizienz und Effektivität unterschiedlicher Regelungssysteme für Fernwärmenetze zu vergleichen. Das Fernwärmenetzmodell kombiniert mehrere Teilmodelle und umfasst eine Kraft-Wärme-Kopplungsanlage, Solarthermie, Wärmepumpe und einen thermischen Speicher. Das Modell wurde mit der Python-Bibliothek PyDHN erstellt. Ein modellprädiktiver Regler (MPC) wurde implementiert und mit einer einfachen regelbasierten Steuerung (RBC) verglichen. Jede Komponente des Systems wurde durch ein lineares Modell approximiert, und die Kraftstoff- und Elektrizitätskosten der Erzeuger wurden in die Zielfunktion integriert. Die Ergebnisse basieren auf Daten des Fernwärmenetzes am Campus der Universität Stuttgart. Es wurden verschiedene Kombinationen der Wärmeerzeuger untersucht, um unterschiedliche Modernisierungs- und Dekarbonisierungsstadien abzubilden. Die Untersuchungen zeigen, dass die Vorteile der modellprädiktiven Regelung besonders deutlich werden, wenn mehrere Erzeuger und Speicher flexibel betrieben werden können. Die Integration von Intraday-Elektrizitätspreisen in die Kostenfunktion führte zu einer intensiven Nutzung dieser Flexibilität und minimierte die Gesamtkosten der Wärmeerzeugung. Allerdings wurden auch einige Ungenauigkeiten des prädiktiven Reglers festgestellt, die zu einer nicht optimalen Betriebsweise und erhöhten Kosten führten. Diese Arbeit bietet wertvolle Einblicke in die Regelung und Optimierung von Fernwärmenetzen und stellt wichtige Überlegungen für die zukünftige Modernisierung und Dekarbonisierung solcher Netze dar.

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

  • In der vorliegenden Masterarbeit wird der Schwerpunkt auf die Entwicklung maschineller Lernmodelle zur präzisen Prognose des Energieverbrauchs in Gebäuden gelegt. Ziel ist es, durch diese Modelle zu einem effizienteren Energiemanagement beizutragen. Zur Umsetzung dieses Vorhabens wurden verschiedene Modelle analysiert, darunter lineare Regression, Ridge-Regression, SARIMA und LightGBM. Dabei wurden externe Faktoren wie Wetterdaten, Feiertage und gebäudespezifische Merkmale berücksichtigt, um die Prognosegenauigkeit zu verbessern. Zusätzlich wurde eine Softwarearchitektur zur Verwaltung und Verarbeitung von Energiedaten entwickelt, die ein Datenbankmanagementsystem (DBMS) nutzt, um verschiedene Datentypen, wie Zeitreihendaten, effizient zu handhaben und die gemeinsame Nutzung der Daten durch alle Beteiligten zu ermöglichen. Die Ergebnisse dieser Arbeit zeigen, dass das SARIMA-Modell die höchste Prognosegenauigkeit erzielt und damit andere Modelle übertrifft. Die entwickelte DBMS-Architektur hat sich als effizienter Weg erwiesen, um Datensätze zu organisieren, Energiedaten zu verarbeiten und zuverlässige Prognosen zu unterstützen. Dies trägt zur Verbesserung der Entscheidungsfindung im Energiemanagement bei. Zusammenfassend lässt sich sagen, dass die Kombination fortschrittlicher Machine-Learning-Methoden mit leistungsfähigen Datenverwaltungssystemen von großer Bedeutung ist, um genaue und skalierbare Energieprognoselösungen zu entwickeln. Die modulare Softwarearchitektur ist flexibel und anpassbar und ermöglicht zukünftige Verbesserungen, wie die Integration von Echtzeitdaten und erweiterten Analysetools.

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