Planung von Produktionsnetzwerken für alternative Kraftstoffe

Sie lernen ein geeignetes MILP-Modell zur integrierten Standort-, Kapazitäts- und Technologieplanung für synthetische Kraftstoffe unter abstrahierenden Annahmen aufzustellen, in Python zu implementieren und mittel des Gurobi-Solver zu lösen, sowie durch die Analyse der Optimierungsergebnisse Handlungsempfehlungen abzuleiten. Dafür benutzen Sie das generische OR-Modell vom Warehouse Location Problem und lernen es auf ein fachspezifisches Modell anzupassen.

Im Projekt "OR4Sustainability" sind darüber hinaus weitere Angebote entstanden:

Fallstudie "Auswahl des optimalen Kraftwerkserzeugungsmix"

Fallstudie "Neuartige Flexibilitätsoptionen im deutschen Stromnetz"

"Multi-Objektive Planung von Produktionsnetzwerken für alternative Kraftstoffe"

"Planung von Produktionsnetzen für alternative Kraftstoffe unter Unsicherheiten"

Fallstudie "Anwendung der Realoptionsanalyse für Investitionen im Energiesektor"

Fallstudie "Anwendung der Realoptionsanalyse für das Repowering von Windkraftanlagen"

Fallstudie "Ökobilanzierung und multikriterielle Bewertung am Beispiel einer Windenergieanlage"

Fallstudie "Erkunden von Möglichkeiten zur Dekarbonisierung des Energiebedarfs von Haushalten"