Typ der Arbeit: Master-Thesis
Bearbeitungsstand: Abgeschlossene Arbeiten
Möglicher Beginn der Arbeit: 08.03.2021
Arbeit abgeschlossen am: 06.09.2021
Betreuer*in: M.Sc. Sebastian Ehmes
Student*in: Daniel Ortiz

Zurück zur Übersicht

Motivation

Graphen eignen sich ausgezeichnet dafür, stark vernetzte Strukturen zu beschreiben. Ein beliebtes Anwendungsgebiet ist daher die Modellierung von Netzwerktopologien mit Hilfe von graphbasierten Modellen. Ein Beispiel für eine solche Netzwerktopologie ist im Falle dieser Arbeit ein nationales Stromübertragungsnetzwerk. Im Rahmen dieses Szenarios werden Verbraucher (Haushalte, Fabriken etc.) und Erzeuger (z.B. Kraftwerke) als Knoten und Stromleitungen zwischen den Netzteilnehmern als Kanten modelliert. Die Menge an erzeugtem und verbrauchtem Strom muss in einem solchen Netzwerk ausbalanciert sein, um das Netzwerk nicht zu überlasten und Schäden bzw. Ausfälle zu vermeiden. Das bedeutet zum Beispiel, dass wenn weniger Strom produziert wird als ursprünglich geplant, Fabriken vom Netz genommen werden müssen. Umgekehrt könnten auch zusätzliche Kraftwerke ans Netz gebracht werden, um die fehlenden Kapazitäten zu kompensieren. Solche Systeme und ihr Verhalten lassen sich durch Graphtransformationsregeln beschreiben und mit Hilfe von inkrementellem Graphpatternmatching überwachen. Während inkrementelles Graphpatternmatching gut dafür geeignet ist effizient strukturelle Änderungen im Modell zu erkennen, ist es ungeeignet diese in einen zeitlichen Zusammenhang zu setzen. Zur Erkennung zeitlicher Abhängigkeiten bieten sich Werkzeuge aus dem Bereich Complex Event Processing (CEP) an, die auf Streams von Events arbeiten und diese effizient analysieren können. Für das obige Beispiel bedeutet dies, dass wir inkrementelles Graphpatternmatching verwenden, um feingranulare Änderungen in der Erzeugung und dem Verbrauch von Strom im Netz zu detektieren. Diese Änderungen werden als Events einem CEP-Werkzeug übergeben, welches aus mehreren Änderungen Informationen darüber ableitet, ob eine Gefahr für das Netz besteht. Gleichzeitig bieten Graphtransformationsregeln die Möglichkeit auf bestimmte Konflikte zu reagieren und z.B. die Netzwerktopologie oder Verbraucher so anzupassen, dass eine Überlastung des Netzwerks beseitigt wird.

Aufgabenstellung

Ziel der Arbeit ist es einerseits das beschrieben Szenario graphbasiert zu modellieren und eine Simulation des Systems zu implementieren. Andererseits soll das System mit Hilfe von IGPM und CEP Techniken (GrapeL) überwacht werden, um im Falle einer Gefahr für das Netzwerk mit einer geeigneten (z.B. kosteneffizienten) Lösung zu reagieren. Dafür müssen dann gegebenenfalls Graphtransformationsregeln definiert werden, die diese Maßnahmen realisieren. Dabei kommen im Zweifelsfall mehrere Regeln und oder Regelanwendungsstellen im Modell in Frage. Zur Auswahl der geeigneten Menge von Maßnahmen (Regel-Match-Paaren) können beispielsweise klassische Optimierungsverfahren oder Methoden aus dem Bereich des maschinellen Lernens zum Einsatz kommen.

Voraussetzungen

• Java-Kenntnisse
• Grundkenntnisse in ML- und ILP-Verfahren

Zurück zur Übersicht