M. Sc. Armin Gießler
- Wissenschaftlicher Mitarbeiter
- Gruppe:
- Raum: 202
- Tel.: +49 721 608-43179
- Fax: +49 721 608-42707
- armin giessler ∂ kit edu
Karlsruher Institut für Technologie (KIT) Campus Süd
Institut für Regelungs- und Steuerungssysteme
Geb. 11.20 (Engler-Villa)
Kaiserstr. 12
D-76131 Karlsruhe
Lebenslauf
Studium der Elektro- und Informationstechnik am Karlsruher Institut für Technologie (KIT) mit Auslandssemester an der Linköping Universität in Schweden. Praktische Tätigkeiten bei der Pepperl+Fuchs GmbH in Mannheim im Bereich Identifikationssysteme für Fabrikautomation (2017). Bachelorarbeit bei der Vector Informatik GmbH in Stuttgart zum Thema „Optimierung von parallelisierten Flash-Abläufen innerhalb eines Fahrzeuges“ (2019).
Anschließendes Masterstudium am KIT mit der Vertiefungsrichtung Regelungs- und Steuerungstechnik und Auslandsemester an dem Instituto Superior Técnico in Portugal. Masterarbeit am Institut für Regelungs- und Steuerungssysteme (IRS) zum Thema „Distributed Optimization for Distributed Model Predictive Control“ (2021).
Seit Januar 2022 wissenschaftlicher Mitarbeiter am IRS.
Forschung
Regelung und Koordinierung von DC Microgrids
Im Rahmen meiner Forschung beschäftige ich mich mit der Regelung und Koordinierung von Erzeugern, Verbrauchern und Speichern in DC Microgrids. Ziel ist die effiziente und sichere Regelung der dynamischen Komponenten im Microgrid.
Bei der Koordinierungsaufgabe werden üblicherweise statische Betriebspunkte berechnet, welche optimale Ökonomie oder minimale Leitungsverluste gewährleisten. Diese Betriebspunkte werden von echtzeitfähigen Primärreglern bestmöglich eingeregelt. Gleichzeitig regulieren diese Primärreglern die Spannungen im Netz, sodass das dynamische Microgrid in gewünschten Arbeitspunkten stabilisiert wird.
In meiner Forschung versuche ich diese hierarchische Regelungsarchitektur aufzubrechen und konventionelle Regler, z.B. grid-forming und grid-following Regler, neu zu denken. Das Ziel ist das Erreichen von optimaler transienter Ökonomie bei gleichzeitiger Stabilisierung des Stromnetzes. Dazu werden neuartige lernende Regler, z.B. Reinforcement Learning Regler, eingesetzt, welche auch Eingangs- und Zustandsbegrenzungen berücksichtigen. Die Stabilität solcher Regler können analytisch (unter Verwendung der Dissipativitätstheorie) nachgewiesen oder numerisch verifiziert werden.
Titel | Typ |
---|---|
Optimal passivity-based Control | Masterarbeit |
Reinforcement Learning für die primäre Regelung von DC Microgrids | Masterarbeit |
Reinforcement Learning für die zentrale Regelung von DC Microgrids | Masterarbeit |
Verifikation des gesicherten Einzugbereiches von Reinforcement Learning Methoden | Masterarbeit |
Titel | Typ | Bearbeitung |
---|---|---|
Analyse von Policy Gradient Methoden für zeitvarianten LQR | Masterarbeit |
Publikationen
Malan, A. J.; Gießler, A.; Strehle, F.; Hohmann, S.
2024. 2024 European Control Conference (ECC), Stockholm, 25th-28th June 2024, 1097 – 1104, Institute of Electrical and Electronics Engineers (IEEE). doi:10.23919/ECC64448.2024.10590807
Gießler, A.; Jané-Soneira, P.; Malan, A. J.; Hohmann, S.
2023. 2023 62nd IEEE Conference on Decision and Control (CDC), 1555 – 1562, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/CDC49753.2023.10383211
Jané Soneira, P.; Gießler, A.; Pfeifer, M.; Hohmann, S.
2023. IEEE 61st Conference on Decision and Control (CDC 22), Cancún, Mexico, December, 6-9, 2022, 3939–3946, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/CDC51059.2022.9993364