Verbundvorhaben: PEREGRINE – Parallelisierung in der Energiesystemanalyse: Mehrwerte für großskalige Optimierungsmodelle durch innovative Solver-Entwicklung; Teilvorhaben: Solverentwicklung und Cloud Computing
Zeitraum
2024-04-01 – 2027-03-31
Bewilligte Summe
671.548,84 EUR
Ausführende Stelle
Förderkennzeichen
03EI1082B
Leistungsplansystematik
Querschnittsaufgaben - Systemanalyse [EA3310]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB4)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI1)
Förderprogramm
Energie
Die modellbasierte Optimierung komplexer Energiesysteme ist ein wichtiges Instrument der Energiesystemanalyse. Das Lösen entsprechender Energiesystem-Optimierungsmodelle (ESOM) stellt allerdings eine Herausforderung dar. Aufgrund der zunehmenden Komplexität von ESOMs, stößt existierende Software zum Lösen der Optimierung und damit auch die modellbasierte Systemanalyse häufig an die Grenzen der Berechenbarkeit. Hier kann der Einsatz von High-Performance Computing (HPC) und Löser-Software, die speziell für verteilte Rechnersysteme entwickelt wird, Abhilfe schaffen. Ziel des Projekts PEREGRINE ist die Verbesserung der Nutzbarkeit des speziell für HPC entwickelten Lösers PIPS-IPM++. PIPS-IPM++ nutzt eine bestimmte Problemstruktur (Blockdiagonalstruktur), die häufig in ESOM auftritt, aus und erreicht dadurch eine massive Parallelisierbarkeit. Hürden der Nutzbarkeit, die im Rahmen des Projekts abgebaut werden sollen sind (a) Robustheit, Performance und Dokumentation von PIPS-IPM++: In PEREGRINE sollen die Robustheit, Performance und die Dokumentation des Lösers weiter verbessert werden. (b) Hardwareverfügbarkeit: Bis dato scheitert die einfache Nutzung von PIPS-IPM++ auch an der Verfügbarkeit geeigneter Supercomputer. Zwar existieren diese grundsätzlich, sind für industrielle Nutzer aber häufig gar nicht oder nur unter hohem administrativem und technischem Aufwand nutzbar. Hier schafft PEREGRINE Abhilfe durch die Bereitstellung des kompilierten PIPS-IPM++ Lösers, optimiert für die einfache Nutzung in der Public Cloud, auf nutzereigenen Clustern und auf Supercomputern (z.B. als Docker Container oder Kubernetes Pod). (c) Modellannotation: Die Bereitstellung o.g. Blockdiagonalstruktur muss bis dato manuell durch den User erfolgen. Hier sollen automatisierte Verfahren Abhilfe schaffen. Die Integration von Stakeholdern gewährleistet die Praktikabilität der erarbeiteten Lösungen.