Auktions-Agenten für Berliner Strommarkt-Forschungslabor
Übersicht
Worum es bei diesem Projekt geht.
Bauen Sie das Simulationsframework in Python (Mesa oder eigenes Setup). Implementieren Sie drei Agententypen mit unterschiedlichen Bietstrategien: (1) myopisch-rationale Agenten, (2) Q-Learning-Agenten, (3) Zero-Intelligence-Agenten als Baseline. Simulieren Sie 365 Tage Marktbetrieb mit echten Lastprofilen vom HTW Berlin Open-Dataset. Analysieren Sie pro Strategie: durchschnittlicher Clearingpreis, Preisvolatilität, Wohlfahrt (Konsumentenrente + Produzentenrente), Konvergenzverhalten. Liefern Sie einen 7-seitigen wissenschaftlichen Bericht plus ein reproduzierbares Repo.
Das Briefing
Was Du tust und was Du zeigst.
Wie wirken sich drei verschiedene Bietstrategien auf Marktstabilität und Wohlfahrt in einem lokalen Strom-P2P-Markt mit 100 Haushalts-Agenten aus?
Earning criteria — what you'll demonstrate
- Ein Multi-Agenten-System mit heterogenen Strategien aufbauen
- Marktmechanik (Double Auction) und ihre Konvergenz-Eigenschaften praktisch verstehen
- Reinforcement-Learning-Agenten in einem Multi-Agenten-Setting trainieren und stabilisieren
- Wohlfahrtskennzahlen jenseits von Einzel-Agenten-Profit messen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenML-Forscher:in
Multi-Agenten-Simulationen mit Marktmechanik und RL-Agenten sind ein hochspezialisiertes Feld, das in der akademischen Forschung und in Energie-Quant-Teams gleichermaßen gesucht wird.
Dieses Projekt schärft
- multi-agent-systems
- reinforcement-learning
- market-design
Forschungswissenschaftler:in
Wer eine reproduzierbare Simulationsstudie sauber publikationsreif aufzieht, übt exakt das Format, das in Industrie-Labs und Universitäts-Forschung erwartet wird.
Dieses Projekt schärft
- simulation
- research-methodology
- multi-agent-systems
Angewandte:r KI-Wissenschaftler:in
Marktdesign + RL für reale Energiemärkte ist ein wachsender Anwendungsbereich; diese Erfahrung qualifiziert für Energiehandels- und Smart-Grid-Teams.
Dieses Projekt schärft
- reinforcement-learning
- simulation
- python
Noch eine Sache