Open Science – freie und quelloffene wissenschaftliche Ergebnisse Als Forschungsgruppe bekennen wir uns zur transparenten und offenen Wissenschaft – Open Science, die Ergebnisse aus der Forschung frei und quelloffen zur Verfügung stellt. Die von uns erarbeiteten Artefakte, Daten und Publikationen sollen gemeinschaftlich und ohne Hürden genutzt werden können, um die Qualität der Forschung zu verbessern und zum gesamtgesellschaftlichen Fortschritt beizutragen. Ein wesentlicher Aspekt ist dabei auch die Möglichkeit zur Reproduktion von Forschungsergebnissen.
Freiheit und Offenheit sind wesentliche Merkmale der Wissenschaft. Ohne einen offenen Austausch von Ideen und einen unbeschränkten Zugang zu wissenschaftlichen Vorarbeiten können keine fundierten wissenschaftlichen Fortschritte – und damit auch keine Innovationen – entstehen. Und der freie Zugang zu Ergebnissen unter anderem in Form von Softwareartefakten, Daten und Publikationen entscheidet langfristig über die Qualität und die Anschlussfähigkeit von wissenschaftlichen Arbeiten. Gerade für die Nachvollziehbarkeit von wissenschaftlichen Ergebnissen ist der Zugang zu den zugrundeliegenden Daten sowie den für die Datenerzeugung und -auswertung genutzten oder entwickelten Softwaretools unerlässlich.
Insbesondere wenn wissenschaftliche Ergebnisse in Projekten mit öffentlichen Fördermitteln entstehen, sollten sie nach unserer Überzeugung gemeinschaftlich und ohne Hürden genutzt werden können, um die Qualität der Forschung zu verbessern und zum gesamtgesellschaftlichen Fortschritt beizutragen. Ein wesentlicher Aspekt ist dabei auch die Möglichkeit zur Reproduktion von veröffentlichten Forschungsergebnissen im Sinne der Richtlinien zur guten wissenschaftlichen Praxis der DFG.
Nachfolgend stellen wir einige unserer veröffentlichten Ergebnisse dar. Unsere Softwaretools, Frameworks, Daten, Modelle und andere Artefakte sind in der Regel in unserer Gitlab-Gruppe veröffentlicht.
mango – Modular Python Agent Framework
mango ist ein Python Framework für die Entwicklung von Multiagentensystemen. Es stellt ein Grundgerüst für den Aufbau eines einzelnen intelligenten Softwareagenten zur Verfügung, bietet einfache Schnittstellen für die Kommunikation zwischen Agenten und ermöglicht die Modularisierung von komplexen Agenten. Ein Container-Mechanismus dient der Beschleunigung des Nachrichtenaustausches für Agenten, die sich innerhalb eines dedizierten Prozesses befinden.
Mit mango können sowohl große Simulationen durchgeführt als auch Agenten für den Einsatz im Feld entwickelt werden. Die Software wird seit 2019 am OFFIS und an der Uni Oldenburg entwickelt, ist als Open Source verfügbar und umfangreich dokumentiert. Weiterhin existiert eine öffentliche “mango library”, in der verschiedene Referenzimplementierungen von mango Agenten verfügbar sind.
cosima – Kommunikationssimulation für Agenten in Energiesystemen
In smarten Energiesystemen wird Co-Simulation verwendet, um heterogene Simulatoren wie z. B. Erzeugungsanlagen, Steuerungsalgorithmen und Analysewerkzeuge miteinander zu komplexen Szenarien zu verbinden und diese Szenarien für verschiedene Ziele zu untersuchen. In diesen Szenarien wurden bisher die für den Informationsaustausch zwischen den Simulatoren notwendige Kommunikation als ungestört und unverzögert angenommen. Die Wechselwirkung zwischen Energie- und Kommunikationssystem wurde daher vernachlässigt.
In cosima wird daher der Kommunikationssimulator OMNeT++ in das Co-Simulationsframework mosaik eingebunden, um eine kombinierte Betrachtung von Energie- und Kommunikationssystemen zu ermöglichen und IKT-gestützte Überwachungs- und Steuerungsanwendungen (wie bspw. Multiagentensysteme) im Energiesystem zu untersuchen. Durch die OMNeT++-Einbindung können konkrete Kommunikationstechnologien (LTE, 5G) simuliert werden und die Auswirkung von Topologieänderungen und gestörten und ungestörten Nachrichtenverkehrs auf bspw. Latenz, Bandbreite und Paketverlusten erfasst werden.
Weitere Informationen sind unter https://cosima.offis.de/ zu finden.
Amplify – Abstract Multi-Purpose-Limited Flexibility Model
Um den mit Batteriespeichern erwirtschafteten Ertrag zu erhöhen, ist es sinnvoll, sie für mehr als eine Anwendung einzusetzen. Dies ist möglich, weil sich herausgestellt hat, dass sie nur durch z.B. Spitzenlastkappung oder Eigenverbrauchsmaximierung häufig nicht voll ausgelastet werden.
Mit Amplify kann überschüssige Flexibilität von Batteriespeichern beschrieben und kompakt versendet werden, nachdem eine lokale Anwendung bereits erfüllt und keine weitere Flexibilität für diese benötigt wird. Das Modell zeichnet sich dadurch aus, dass es sehr schnell berechnet werden kann und über eine integrierte Problemerkennung verfügt. Damit kann es detektiert werden, wenn die Beiträge des Batteriespeichers für die verschiedenen Anwendungen sich entgegenlaufen. Außerdem benötigt ein Aggregator kein weiteres Wissen über den Batteriespeicher und kann trotzdem Beiträge für z.B. Strommarktgeschäfte dimensionieren.
Amplify ist auf Pypi als “amplify-model” und als Open Source auf Gitlab.com veröffentlicht.
Ansprechpersonen
Personen 
F
G
Dr. rer. nat. Benjamin Giesers
E-Mail: benjamin.giesers(at)offis.de, Telefon: +49 441 9722-747, Raum: E128
H
O
R
S
T
Dr. rer. nat. Martin Tröschel
E-Mail: martin.troeschel(at)offis.de, Telefon: +49 441 9722-150, Raum: E128
W
Projekte
D
DEER
Dezentraler Redispatch (DEER): Schnittstellen für die Flexibilitätsbereitstellung
Laufzeit: 2022 - 2025I
N
NFDI4Energy
National Research Data Infrastructure for the Interdisciplinary Energy System Research
Laufzeit: 2023 - 2028R
REMARK
Resilienz im digitalisierten Stromsystem: Toolbox zur Bewertung von Systemdienstleistungsmärkten
Laufzeit: 2022 - 2024W
WWNW
WärmewendeNordwest – Digitalisierung zur Umsetzung von Wärmewende- und Mehrwertanwendungen für Gebäude, Campus, Quartiere und Kommunen im Nordwesten
Laufzeit: 2021 - 2025 Publikationen
2023
A Multi-Criteria Metaheuristic Algorithm for Distributed Optimization of Electric Energy Storage
Schrage, Rico and Tiemann, Paul Hendrik and Niesse, Astrid; SIGENERGY Energy Inform. Rev.; feb / 2023
Applied Digital Twin Concepts Contributing to Heat Transition in Building, Campus, Neighborhood, and Urban Scale
Lesnyak, Ekaterina and Belkot, Tabea and Hurka, Johannes and Hörding, Jan Philipp and Kuhlmann, Lea and Paulau, Pavel and Schnabel, Marvin and Schönfeldt, Patrik and Middelberg, Jan; Big Data and Cognitive Computing; 2023
Coupling OMNeT++ and mosaik for integrated Co-Simulation of ICT-reliant Smart Grids
Frauke Oest, Emilie Frost, Malin Radtke, Sebastian Lehnhoff; ACM SIGENERGY Energy Informatics Review; 03 / 2023
Dynamic Overlapping Coalition Formation in Electricity Markets: An Extended Formal Model
Wolff, Torge and Nieße, Astrid; Energies; 08 / 2023
2022
Choosing the right model for unified flexibility modeling
Brandt, Jonathan and Frost, Emilie and Ferenz, Stephan and Tiemann, Paul Hendrik and Bensmann, Astrid and Hanke-Rauschenbach, Richard and Nieße, Astrid; Energy Informatics; 2022
Constraint-based Modeling of Smart Grid Services in ICT-Reliant Power Systems
Oest, Frauke and Lehnhoff, Sebastian; ENERGY 2022, The Twelfth International Conference on Smart Grids, Green Communications and IT Energy-aware Technologies; Mai / 2022
Operational flexibility for multi-purpose usage of pooled battery storage systems
Tiemann, Paul Hendrik and Nebel-Wenner, Marvin and Holly, Stefanie and Frost, Emilie and Jimenez Martinez, Adrian and Nieße, Astrid; Energy Informatics; 2022
2021
A Sketch of Unwanted Gaming Strategies in Flexibility Provision for the Energy System
Buchholz, Sebastian and Tiemann, Paul Hendrik and Wolgast, Thomas and Scheunert, Alexandra and Gerlach, Jana and Majumdar, Neelotpal and Breitner, Michael and Hofmann, Lutz and Nieße, Astrid and Weyer, Harmut; Energy Informatics and Electro Mobility ICT; 2021
Assumptions on a Distributed and Hierarchical Market Concept for Balancing Reserve Aggregation
Tiemann, Paul Hendrik and Nieße, Astrid; Energy Informatics and Electro Mobility ICT; 2021
Balancing grid islands with distributed energy resources
Tiemann, Paul Hendrik; Abstracts of the 10th DACH+ Conference on Energy Informatics; 2021
