Abschlussarbeit (w/m/d) - Datengetriebene Steuerung kommerzieller Solarturmkraftwerke

Das erwartet dich

Ein kommerzielles Solarturmkraftwerk besteht aus zehntausenden beweglichen Spiegeln, die das Sonnenlicht auf einen einzigen Punkt bündeln – und jeder einzelne davon ist ein Freiheitsgrad in einem gigantischen Optimierungsproblem. Am DLR haben wir dafür ARTIST entwickelt: den ersten differenzierbaren Raytracer für Solarkraftwerke [Pargmann et al., 2024]. Eine vollständig physikalische Simulation, die sich wie ein neuronales Netz per Gradientenabstieg optimieren lässt – validiert am Solar Tower Jülich, publiziert und international beachtet.

Jetzt kommt der nächste Schritt: der Sprung von der Forschungsanlage (~2.000 Heliostaten) auf echte kommerzielle Kraftwerke mit 10.000 bis 50.000+ Spiegeln.

Wissenschaftliche Fragestellung

Moderne Kraftwerke produzieren kontinuierlich hochwertige Sensordaten: Infrarotbilder des Receivers, Temperaturmessungen, zunehmend auch direkte Flussdichtemessungen. Bislang werden diese Daten fast ausschließlich zur Überwachung genutzt, nicht zur aktiven Rückkopplung in die Steuerung. Das ist verschenktes Potenzial, denn mit einem differenzierbaren Simulator lassen sich Messdaten direkt als Loss-funktion einsetzen.

Diese Arbeit untersucht:

Wie lässt sich die simulierte Flussdichteverteilung von ARTIST systematisch mit realen Messdaten koppeln – und kann diese Kopplung genutzt werden, um die Zielpunktsteuerung datengetrieben zu verbessern?

Konkret heißt das:

• Wo weichen die von ARTIST vorhergesagten Flussdichten von realen Infrarot- und Flussdichtekameramessungen ab – und warum?
• Lassen sich Temperatursensordaten und Infrarotbilder direkt als Loss-funktion in die gradientengestützte Zielpunktoptimierung einbauen – sodass sich die Steuerung anhand der eigenen Betriebsdaten des Kraftwerks anpasst?
• Welche Modellunschärfen in ARTIST werden durch den Abgleich mit der Realität sichtbar – und welche lassen sich korrigieren?

Kontext: Eine einzigartige Gelegenheit

Diese Masterarbeit ist keine Schubladenarbeit, sondern Teil eines koordinierten Forschungsvorhabens: Zwei Masterarbeiten laufen parallel, jeweils zur Übertragung von ARTIST auf ein anderes kommerzielles Solarturmkraftwerk – mit jeweils eigenständiger, klar abgegrenzter Fragestellung. Ihr arbeitet in einem gemeinsamen Repository, stimmt Schnittstellen ab, macht gegenseitige Code-Reviews und präsentiert Zwischenergebnisse direkt dem ARTIST-Entwicklungsteam. Was du baust, fließt in ein Werkzeug ein, dessen Entwicklung international verfolgt wird.

Das Herzstück der Arbeit ist die Forschungskooperation mit CENER (Centro Nacional de Energías Renovables, Spanien), einem der führenden europäischen Zentren für konzentrierende Solartechnik. CENER stellt reale Betriebs- und Messdaten einer kommerziellen Anlage bereit: Infrarotbilder, Flussdichtemessungen und Temperatursensordaten aus dem laufenden Betrieb. Solche Daten sind in der Forschung extrem selten zugänglich – die meisten Arbeiten in diesem Feld bleiben bei synthetischen Daten stehen. Hier arbeitest du an der Schnittstelle von physikalischer Simulation und echten Industriedaten.

Zum Ablauf: Bevor die wissenschaftliche Kernfrage bearbeitet werden kann, muss ARTIST auf die Zielanlage umgerüstet werden (Turm-, Receiver- und Feldgeometrie). Dieser klar abgegrenzte erste Block eignet sich ideal als vorgelagertes Pflichtpraktikum am DLR – die Masterarbeit selbst gehört dann vollständig der Wissenschaft. Mit ausreichenden Vorkenntnissen in differenzierbarer Simulation und solarthermischer Modellierung sind beide Phasen auch komplett innerhalb der Masterarbeit machbar.

Deine Aufgaben

Validierung der ARTIST-Flussdichteverteilung

• Systematischer Vergleich simulierter Flussdichten mit realen Infrarot- und Kameramessungen aus dem CENER-Datensatz
• Identifikation und Charakterisierung systematischer Abweichungen zwischen Simulation und Messung
• Entwicklung geeigneter Metriken zur quantitativen Bewertung der Simulationsgüte unter realen Betriebsbedingungen
• Untersuchung, wie Infrarotbilder und Temperatursensordaten direkt als Loss-funktion in die gradientengestützte Zielpunktoptimierung einfließen können
• Aufbau eines Kopplungsframeworks zwischen gemessenen Betriebsdaten und ARTIST-basierter Simulation

Internationale Datenkooperation mit CENER

• enge Zusammenarbeit mit dem CENER-Team bei Aufbereitung, Validierung und Interpretation der Messdaten
• direkter Einblick in Betrieb und Messtechnik einer realen kommerziellen Anlage

Was du lernst

• PyTorch auf Forschungsniveau: Autograd, GPU-Optimierung, datengetriebene Optimierung physikalischer Simulationen
• wie man physikalische Simulation und reale Sensordaten sauber koppelt – eine Kernkompetenz für Digital Twins weit über die Solartechnik hinaus
• internationale wissenschaftliche Zusammenarbeit und den professionellen Umgang mit industriellen Messdatensätzen
• kollaborative wissenschaftliche Softwareentwicklung: Code-Reviews, gemeinsame Schnittstellen, strukturierte Versionskontrolle – wie in einem echten Entwicklungsteam

Das bringst du mit

Erforderlich:

• sehr gute Python-Kenntnisse, insbesondere Erfahrung mit PyTorch
• starkes Interesse an physikalischer Modellierung und datengetriebener Optimierung
• Freude an kollaborativer, strukturierter Softwareentwicklung

Von Vorteil:

• vorgelagertes Pflichtpraktikum am DLR (oder Bereitschaft dazu)
• Erfahrung mit Bildverarbeitung, Sensordatenanalyse oder Messtechnik
• Grundlagen in inverser Modellierung oder datenassimilierenden Verfahren