Das erwartet dich
Die Berechnung und Auslegung von Heliostatfeldern für Solarturmkraftwerke ist sehr rechenintensiv, die klassische Simulationswerkzeuge an ihre Grenzen bringt. Während Forschungsanlagen wie der Solarturm Jülich mit etwa 2000 Heliostaten schnell modellbasiert charakterisiert werden kann, bestehen kommerzielle Anlagen aus 10.000 bis 50.000 auszurichtenden Spiegeln. Damit einhergehend steigen die Anforderungen an Recheneffizienz und Optimierungsqualität.
In unserem Team aus WissenschaftlerInnen und IngenieurInnen entwickeln wir den differenzierbaren Raytracer ARTIST, der an unserer Forschungsanlage - dem Solarturm Jülich - validiert wurde. Die Software erlaubt erstmals eine vollständige physikalisch basierte, gradientengestützte Optimierng solarthermischer Kraftwerke. In dieser Arbeit soll eine systematische Validierung von ARTIST mit Daten einer kommerziellen Anlage durchgeführt werden. Simulierte Flussdichteverteilungen werden mit realen Messdaten verglichen und eine Zielpunktstrategie für die einzelnen Heliostate bei Abweichungen entwickelt.
Nach Abschluss dieser Arbeit verfügst du über fundierte Kenntnisse in differenzierbarer Simulation komplexer physikalischer Systeme und beherrschst PyTorch auf Forschungsniveau, inklusive Custom Loss Functions, Autograd und GPU-basierter Optimierung. Du arbeitest mit physikalisch motivierten Optimierungsansätzen statt reiner Black-Box-Heuristiken und sammelst umfassende Erfahrung in der Entwicklung anspruchsvoller wissenschaftlicher Software.
Deine Aufgaben
- Durchführung von Simulationen mit der Software ARTIST von kommerziellen Solarturmkraftwerken
- Systematischer Vergleich der Simulationsergebnisse mit gemessenen Infrarot- und Flussdichtekameradaten
- Ansatz zur Einbeziehung von Temperatursensordaten und Infrarotbildern als Verlustfunktion in die gradientengestützte Optimierung, um die Zielpunktsteuerung an die realen Betriebsdaten anzupassen.
- Identifikation von Modellfehlern in ARTIST anhand der Messdaten
Präsentation der Ergebnisse innerhalb der Wissenschaftsgemeinde
-
Das bringst du mit
- Studium Physik, Computational Engineering Science, Maschinenbau oder andere für die Tätigkeit relevante Studiengänge
- Starkes Interesse an Simulation und Optimierung
- Gute Kenntnisse in Python und PyTorch
- Sicherer Umgang mit Git und Unit Tests
- Erfahrungen mit Raytracing und Machine Learning
- Eigeninitiative, Neugierde und die Fähigkeit zum selbstständigen Arbeiten
