Energieinformatik

M. Sc. Michael Brand

Department für Informatik

Carl von Ossietzky Universität Oldenburg
Postfach 2503
26111 Oldenburg

Raum: OFFIS / Industriestraße 6 / Raum E07 (» Adresse und Lageplan) Sprechzeiten: nach Vereinbarung Tel.: 0441 9722-479

Aktuelle Lehrveranstaltungen

Sommersemester 2018


Laufende Abschlussarbeiten

  • Speichereffiziente Repräsentation von Energienetzen in Odysseus (Bachelor Thesis)
    Energienetze sind große, hierarchische Netze mit vielen Entitäten (z.B.Transformatoren und Schalter). Ein Modell eines solchen Netzes wird für fast jede Analyse von Energienetzdaten benötigt, ist aber in der Regel zu groß um effizient auf dem gesamten Modell zu arbeiten. Aus diesem Grund wurde von Amith Singhee und Kollegen bei IBM eine speichereffiziente Repräsentation von Energienetzen entwickelt. In dieser Bachelorarbeit soll das Datenstrommanagementframework Odysseus um ein Modul erweitert werden, das eine solche Repräsentation anbietet. Das Modul soll komplette Netzmodelle sowie Updates in dem dafür üblichen Common Information Model (CIM)-Datenformat, aber in unterschiedlichen Serialisierungsformen entgegennehmen können (z.B. XML/RDF). Außerdem sollen Datenstromoperatoren für ihre Analysen Informationen aus dem Modul abfragen können.
  • Evaluieren der Anomalieerkennungsverfahren von Odysseus für Energienetzdaten (Bachelor Thesis)
    In dem Datenstrommanagementframework Odysseus sind einige Verfahren zur Anomalieerkennung in Datenströmen umgesetzt. Im Rahmen dieser Bachelorarbeit sollen die vorhandenen Verfahren für eine Verwendung bei Energienetzdaten evaluiert werden. Die Energienetzdaten können aus Zählerständen von Erzeugern und Verbrauchern auf Niederspannungsebene (Smart Meter in Haushalten und PV Anlagen) bestehen. Darüber hinaus kann es sich auch um Messdaten handeln, die ein Energienetzbetreiber von seinen Geräten im Mittelspannungsnetz (z.B. Transformator) erhält.
  • Simulator für Protokolle aus dem Energienetz auf Basis von Odysseus (Bachelor Thesis)
    Im Energienetz kommen unterschiedliche Protokolle zur Kommunikation zum Einsatz, unter anderem DLMS/COSEM und IEC 60870-5-104. Das Arbeiten mit diesem Protokollen ist allerdings nicht immer ganz einfach, vor allem, wenn man keine Testdaten zur Verfügung hat. Hier kommt die Vision ins Spiel, einen erweiterbaren Protokollsimulator zu haben, der Testdaten liefern kann, einfach zu bedienen ist, und vor allem leicht erweiterbar und parametrierbar ist. Im Rahmen einer Bachelorarbeit soll das Datenstrommanagementsystem Odysseus verwendet werden um einen erweiterbaren Simulator für Energienetzprotokolle zu entwickeln. Als ein Beispiel für einen solchen Simulator kann man sich den Fink WinPP Protokollsimulator anschauen (http://www.ipcomm.de/product/FinkWinPP/de/sheet.html). Neben funktionalen Anforderungen an den Simulator, die in Zusammenarbeit mit dem Betreuer ausgearbeitet werden sollen, geht es auch darum, einen Client mit Benutzeroberfläche zu designen.
  • Dynamische Lastverteilung in Odysseus (Master Thesis)
    Die Last (CPU, RAM, Netzwerk), die durch eine Datenstromverarbeitung entsteht, kann über die zeit variieren. Dies ist vor allem durch die lange Laufzeit von Anfragen in einem Datenstrommanagementsystem begründet. In Odysseus ist es aber im Moment nur möglich statisch beim Erstellen einer Anfrage eine Lastverteilung vorzunehmen. Ziel dieser Masterarbeit ist es, eine dynamische Lastverteilung in Odysseus zu konzipieren und zu realisieren. Dazu gehört eine Sichtung des Forschungsfeldes bzgl. vorhandener Konzepte, eine Adaption mindestens eines geeigneten Konzepts, sowie die Möglichkeit für weitere alternative Konzepte zu schaffen.

Angebotene Abschlussarbeiten

  • Vergleichende Darstellung unterschiedlicher Lagebilder von Energienetzen (Master Thesis)
    Als State Estimation werden Verfahren bezeichnet, die auf Basis (meist redundanter) Messwerte aus einem Energienetz und einem angenommenen Netzmodell die komplexen Spannungen an jedem Knoten im Energienetz zu schätzen. Dieser komplexe Spannungsvektor wird als Netzzustand bezeichnet. Zusammen mit dem Netzmodell erhält man ein Lagebild. Der Adaptive State Estimators (ASE) der University of Queensland ist ein Verfahren um eine State Estimation nicht nur auf über-, sondern auch auf unterbestimmten Netzen durchzuführen (also auch auf Netzen, wo es keine redundanten Messwerte gibt). Für das Datenstrommanagementframework Odysseus gibt es eine Umsetzung des ASE, die auf Datenströmen arbeitet.  Durch die Digitalisierung der Energienetze und dem Entstehen von Smart Grids rücken aber koordinierte Cyberangriffe auf die Energienetze immer mehr in den Fokus, die nicht erkannt werden können. Dadurch kann es zu nicht vertrauenswürdigen Lagebildern kommen. Um die Operatoren bei der Bewertung der Lagebilder zu unterstützen, ist es erstrebenswert ihnen alternativer Lagebilder, basierend auf einer Simulation und/oder historischen Daten, zur Verfügung zu stellen. Im Rahmen dieser Masterarbeit soll eine vergleichende Darstellung unterschiedlicher Lagebilder konzipiert und als Webclient umgesetzt werden. Dabei soll es u.a. den menschlichen Operatoren ermöglicht werden, zwischen den einzelnen Lagebildern zu wechseln und sie auch gemeinsam darstellen zu lassen.
  • Erkennen von Anomalien in Energienetzen durch Klassifikation (Master Thesis)
    In dieser Masterarbeit soll eine Anomalieerkennung in Energienetzdaten mittels Klassifikation durchgeführt werden. Die Energienetzdaten können aus Zählerständen von Erzeugern und Verbrauchern auf Niederspannungsebene (Smart Meter in Haushalten und PV Anlagen) bestehen. Darüber hinaus kann es sich auch um Messdaten handeln, die ein Energienetzbetreiber von seinen Geräten im Mittelspannungsnetz (z.B. Transformator) erhält.  Die Energiedaten liegen in Form von Datenströmen vor und die Klassifikation soll in dem Datenstrommanagementframework Odysseus geschehen. Dabei können sowohl Verfahren, die ein Archiv historischer Daten benötigen, als auch inkrementelle Verfahren, die keine Speicherung aller vergangenen Daten benötigen, zum Einsatz kommen.  Es wird erwartet, dass mehrere vielversprechende Algorithmen umgesetzt und mit einander verglichen werden. Darüber hinaus muss für die Evaluation eine vorhandene Simulation von Energienetzdaten um Anomalien erweitert werden.
  • Erkennen von Anomalien in Energienetzen mit einer Zeitreihenvorhersage (Master Thesis)
    In dieser Masterarbeit soll eine Echtzeit-Zeitreihenvorhersage mit dem Ziel einer Anomalieerkennung in Energienetzdaten durchgeführt werden. Die Energienetzdaten können aus Zählerständen von Erzeugern und Verbrauchern auf Niederspannungsebene (Smart Meter in Haushalten und PV Anlagen) bestehen. Darüber hinaus kann es sich auch um Messdaten handeln, die ein Energienetzbetreiber von seinen Geräten im Mittelspannungsnetz (z.B. Transformator) erhält. Die Energiedaten liegen in Form von Datenströmen vor und die Zeitreihenanalyse soll in dem Datenstrommanagementframework Odysseus geschehen. Dabei können sowohl Verfahren, die ein Archiv historischer Daten benötigen, als auch inkrementelle Verfahren, die keine Speicherung aller vergangenen Daten benötigen, zum Einsatz kommen. Es wird erwartet, dass mehrere vielversprechende Algorithmen umgesetzt und mit einander verglichen werden. Darüber hinaus muss für die Evaluation eine vorhandene Simulation von Energienetzdaten um Anomalien erweitert werden.
  • Abnormal Traffic-indexed State Estimation mit dem Adaptive State Estimator in Odysseus (Master Thesis)
    Als State Estimation werden Verfahren bezeichnet, die auf Basis (meist redundanter) Messwerte aus einem Energienetz und einem angenommenen Netzmodell die komplexen Spannungen an jedem Knoten im Energienetz zu schätzen. Dieser komplexe Spannungsvektor wird als Netzzustand bezeichnet. Der Adaptive State Estimators (ASE) der University of Queensland ist ein Verfahren um eine State Estimation nicht nur auf über-, sondern auch auf unterbestimmten Netzen durchzuführen (also auch auf Netzen, wo es keine redundanten Messwerte gibt). Für das Datenstrommanagementframework Odysseus gibt es eine Umsetzung des ASE, die auf Datenströmen arbeitet. Traditionell werden auf Basis des geschätzten Netzzustands und der eingegangenen Messwerte durch eine sogenannte Bad Data Detection fehlerhafte Messwerte identifiziert und eliminiert. Durch die Digitalisierung der Energienetze und dem Entstehen von Smart Grids rücken aber koordinierte Cyberangriffe auf die Energienetze immer mehr in den Fokus, die durch traditionelle Bad Data Detection nicht erkannt werden können. Im Rahmen dieser Masterarbeit soll ein Verfahren von Ting Liu und seinen Kollegen von der Xi'an Jiaotong University mit dem ASE in Odysseus umgesetzt und erprobt werden. Es geht dabei darum Alarme eines Intrusion Detection Systems mit einem Gefährdungslevel zu gewichten und diese Informationen in die State Estimation einfließen zu lassen. Bei der State Estimation ist dann das Ziel, Messwerte von Geräten im Energienetz, für die es einen Alarm mit höherem Gefährdungslevel gab, weniger zu berücksichtigen.
  • Erkennen von Anomalien in Energienetzdaten mit neuronalen Netzen in Odysseus (Master Thesis)
    Das Datenstrommanagementframework Odysseus verfügt über ein Feature mit dem ein neuronales Netz auf einem Datenstrom trainiert und angewendet werden kann. In dieser Masterarbeit soll untersucht werden, wie mit diesem Feature eine Anomalieerkennung in Energienetzdaten durchgeführt werden kann. Die Energienetzdaten können aus Zählerständen von Erzeugern und Verbrauchern auf Niederspannungsebene (Smart Meter in Haushalten und PV Anlagen) bestehen. Darüber hinaus kann es sich auch um Messdaten handeln, die ein Energienetzbetreiber von seinen Geräten im Mittelspannungsnetz (z.B. Transformator) erhält. Zu dieser Untersuchung gehört vor allem auch die Evaluation aller für ein neuronales Netz relevanter Parameter um die Einstellung für eine bestmögliche Anomalieerkennung zu identifizieren. Außerdem muss für die Evaluation eine vorhandene Simulation von Energienetzdaten um Anomalien erweitert werden.

Forschungsinteressen

  • Stream Processing
    • Datenstrommanagementsysteme
    • Odysseus
    • Datenstrommanagementsysteme im Smart Grid
  • State Estimation
    • State Estimation in unterbestimmten Netzen
    • Adaptive State Estimator
    • Bad Data Detection
    • State Estimation mit Datenstrommanagementsystemen
  • Cybersecurity im Smart Grid

Veröffentlichungen

2017

A Modular Approach for Non-Distributed Crash Recovery for Streaming Systems
Michael Brand, Marco Grawunder, Hans-Jürgen Appelrath
In: Bernhard Mitschang, Daniela Nicklas, F. Leymann, Harald Schöning, Melanie Herschel, Jens Teubner, Theo Härder, Oliver Kopp, Matthias Wieland (Hrsg.): Datenbanksysteme für Business, Technologie und Web (BTW 2017), Proceedings, Series of the Gesellschaft für Informatik (GI), P-265, Gesellschaft für Informatik, Bonn, S.309-328, 3/2017

2015

Demo: Herakles – Real-time Sport Analysis using a Distributed Data Stream Management System (wird veröffentlicht)
Timo Michelsen, Michael Brand, Carsten Cordes, Hans-Jürgen Appelrath
In: DEBS '15: Proceedings of the 9th ACM International Conference on Distributed Event-Based Systems, ACM, 6/2015

Using odysseus for real-time analysis over high volume geospatial data streams
Michael Brand, Marco Grawunder
In: Proceedings of the 9th ACM International Conference on Distributed Event-Based Systems, DEBS '15, ACM, New York, NY, USA, S.320-321, 6/2015

Herakles: A System for Sensor-Based Live Sport Analysis using Private Peer-to-Peer Networks
Michael Brand, Tobias Brandt, Carsten Cordes, Marc Wilken, Timo Michelsen
In: Norbert Ritter, Andreas Heinrich, Wolfgang Lehner, Andreas Thor, Steffen Friedrich (Hrsg.): Datenbanksysteme für Business, Technolog und Web (BTW 2015) - Workshopband, Hamburg, Germany, Gesellschaft für Informatik, Bonn, Bonner Köllen Verlag, 3/2015

Modulares Verteilungskonzept für Datenstrommanagementsysteme
Timo Michelsen, Michael Brand, Hans-Jürgen Appelrath
In: Norbert Ritter, Andreas Heinrich, Wolfgang Lehner, Andreas Thor, Steffen Friedrich, Wolfram Wingerath (Hrsg.): Datenbanksysteme für Business, Technolog und Web (BTW 2015) - Workshopband, Hamburg, Germany, Gesellschaft für Informatik, Bonn, Bonner Köllen Verlag, 3/2015