[{"date_created":"2025-10-22T06:13:50Z","department":[{"_id":"277"}],"type":"dissertation","citation":{"ama":"Burmeister SC. <i>Optimization Techniques for Sustainable Energy System Design</i>. LibreCat University; 2025. doi:<a href=\"https://doi.org/10.17619/UNIPB/1-2403\">10.17619/UNIPB/1-2403</a>","bibtex":"@book{Burmeister_2025, title={Optimization Techniques for Sustainable Energy System Design}, DOI={<a href=\"https://doi.org/10.17619/UNIPB/1-2403\">10.17619/UNIPB/1-2403</a>}, publisher={LibreCat University}, author={Burmeister, Sascha Christian}, year={2025} }","mla":"Burmeister, Sascha Christian. <i>Optimization Techniques for Sustainable Energy System Design</i>. LibreCat University, 2025, doi:<a href=\"https://doi.org/10.17619/UNIPB/1-2403\">10.17619/UNIPB/1-2403</a>.","chicago":"Burmeister, Sascha Christian. <i>Optimization Techniques for Sustainable Energy System Design</i>. LibreCat University, 2025. <a href=\"https://doi.org/10.17619/UNIPB/1-2403\">https://doi.org/10.17619/UNIPB/1-2403</a>.","short":"S.C. Burmeister, Optimization Techniques for Sustainable Energy System Design, LibreCat University, 2025.","apa":"Burmeister, S. C. (2025). <i>Optimization Techniques for Sustainable Energy System Design</i>. LibreCat University. <a href=\"https://doi.org/10.17619/UNIPB/1-2403\">https://doi.org/10.17619/UNIPB/1-2403</a>","ieee":"S. C. Burmeister, <i>Optimization Techniques for Sustainable Energy System Design</i>. LibreCat University, 2025."},"abstract":[{"lang":"eng","text":"Diese Dissertation untersucht Optimierungsverfahren für die nachhaltige Gestaltung von Energiesystemen mit Schwerpunkt auf dem Elektrizitätssektor im Kontext der Energiewende. Aufbauend auf Methoden des Operations Research werden Planungs- und Steuerungsprobleme in den Bereichen Stromverteilnetze und energiebewusste Produktionsplanung adressiert. Die Arbeit umfasst fünf Beiträge: (P1) entwickelt ein lineares Multi-Commodity-Flow-Modell für die kostenoptimale Erweiterung großskaliger Verteilnetze unter Berücksichtigung von Resilienzszenarien und analysiert den Zusammenhang zwischen Modellparametern und Rechenzeiten; (P2) und (P3) befassen sich mit der mehrzielorientierten flexible Job Shop Scheduling-Optimierung unter Echtzeit-Strompreisen, wobei (P3) zusätzlich CO2-Emissionen als Zielgröße integriert; (P4) erweitert dieses Szenario um simultane Energiebeschaffungsentscheidungen aus Netz, erneuerbaren Quellen und Speichersystemen unter Unsicherheit mittels Rolling-Horizon-Ansatz; (P5) vergleicht unterschiedliche Klassen von Many-Objective Evolutionary Algorithms (dominanz-, indikatoren- und dekompositionsbasiert) im Hinblick auf Konvergenz, Diversität und Vollständigkeit der Paretofront. Die entwickelten Modelle und Algorithmen – darunter memetische Varianten von NSGA-II, NSGA-III, θ-DEA und HypE – werden durch umfassende Rechenexperimente evaluiert. Die Ergebnisse liefern praxisrelevante Handlungsempfehlungen für Netzbetreiber, produzierende Unternehmen und politische Entscheidungsträger und leisten einen Beitrag zur effizienten, zuverlässigen und emissionsarmen Energieversorgung der Zukunft."},{"text":"This dissertation explores optimization methods for sustainable energy system design, with a particular focus on the electricity sector in the context of the energy transition. Building on Operations Research methodologies, it addresses planning and control challenges in electricity distribution networks and energy-aware production scheduling. The work comprises five contributions: (P1) develops a linear multi-commodity flow model for cost-optimal expansion of large-scale distribution networks under resilience scenarios and analyzes the relationship between model parameters and computation times; (P2) and (P3) address multi-objective flexible job shop scheduling under real-time electricity pricing, with (P3) further incorporating CO2 emissions as an explicit optimization objective; (P4) extends this scenario to include simultaneous energy procurement decisions from the grid, on-site renewable sources, and energy storage systems under uncertainty, using a rolling horizon approach; (P5) compares different classes of many-objective evolutionary algorithms (dominance-, indicator-, and decomposition-based) in terms of convergence, diversity, and completeness of the Pareto front. The proposed models and algorithms—including memetic variants of NSGA-II, NSGA-III, θ-DEA, and HypE—are evaluated through extensive computational experiments. The findings provide practical recommendations for distribution network operators, manufacturing companies, and policymakers, contributing to the development of efficient, reliable, and low-emission energy systems for the future.","lang":"eng"}],"extern":"1","language":[{"iso":"eng"}],"_id":"61916","publisher":"LibreCat University","doi":"10.17619/UNIPB/1-2403","user_id":"32685","author":[{"full_name":"Burmeister, Sascha Christian","last_name":"Burmeister","first_name":"Sascha Christian","orcid":"0000-0001-6679-0453","id":"32685"}],"title":"Optimization Techniques for Sustainable Energy System Design","year":"2025","status":"public","date_updated":"2025-10-22T06:18:37Z"}]