Hoppa till huvudinnehållet
Till KTH:s startsida Till KTH:s startsida

EG2140 Datortillämpningar och maskininlärning i elkraftssystem 7,5 hp

Kursen ger en bra grund i utveckling av algoritmer för att lösa en mängd problem i elkraftssystem utgående både utifrån fysikalisk modellering och databaserade metoder. Kursen är indelad i tre moduler, de första två behandlar fysikaliska respektive databaserade metoder för systemövergripande analys, samt en tredje modul som behandlar analys av tidsseriedata Gemensamt för alla moduler är användningen av python och ett antal kodbibliotek för analys av elkraftsystem ur olika perspektiv.

Om kursomgång

Gäller för kursomgång

VT 2025 Start 2025-03-17 programstuderande

Målgrupp

Sökbar för alla masterprogram under förutsättning att kursen kan ingå i programmet.

Del av program

Masterprogram, elkraftteknik, åk 1, Villkorligt valfri

Masterprogram, innovativ energiteknik, åk 1, SENS, Villkorligt valfri

Masterprogram, innovativ energiteknik, åk 1, SMCS, Rekommenderad

Masterprogram, systemteknik och robotik, åk 1, Rekommenderad

Masterprogram, systemteknik och robotik, åk 2, Rekommenderad

Perioder

P4 (7,5 hp)

Varaktighet

2025-03-17
2025-06-02

Studietakt

50%

Undervisningsform

Normal Dagtid

Undervisningsspråk

Engelska

Studielokalisering

KTH Campus

Antal platser

Ingen platsbegränsning

Planerade schemamoduler

Kursval

Gäller för kursomgång

VT 2025 Start 2025-03-17 programstuderande

Anmälningskod

60545

Kontakt

Gäller för kursomgång

VT 2025 Start 2025-03-17 programstuderande

Examinator

Ingen information tillagd

Kursansvarig

Ingen information tillagd

Lärare

Ingen information tillagd
Rubriker med innehåll från kursplan EG2140 (VT 2024–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Kursen ger en bra grund i utveckling av algoritmer för att lösa olika typer av problem i elkraftssystem utgående från både fysikalisk modellering och databaserade metoder. Kursen är indelad i tre moduler, och gemensamt för alla moduler är användningen av programspråket Python och ett antal kodbibliotek för analys av elkraftssystem. Den första modulen utgår ifrån ett fysikaliskt modelleringsperspektiv, och uppgiften är att analysera ett elkraftssystems topologi och utveckla en tillståndsestimator. Modul två bygger vidare på samma utmaning, men här är angreppssättet istället databaserat, och metoder inom maskininlärning som t.ex. beslutsträd, k-means och kNN introduceras. Den tredje och sista modulen innefattar analys av tidsserier med mätvärden för analys av produktion och konsumtionsdata i elkraftssystem, där metoderna från modul två kompletteras med ytterligare innehåll anpassat för analys av tidsserier.

Lärandemål

Efter godkänd kurs ska studenten kunna

  • utveckla och implementera algoritmer för fysikalisk modellering, statisk analys av elkraftssystem samt tillståndsestimering i elkraftssystem
  • beskriva förutsättningar samt fördelar och nackdelar med fysikaliska och databaserade metoder för statisk analys av elkraftssystem
  • utveckla och implementera databaserade algoritmer för identifikation av statiska tillstånd i elkraftssystem
  • utveckla och implementera databaserade algoritmer för tidsserieanalys av mätvärden i elkraftssystem

i syfte att optimera drift och planering av elkraftssystem med stor andel förnybar elproduktion med bibehållen hög tillförlitlighet.

Kurslitteratur och förberedelser

Särskild behörighet

Kunskaper i analys av elkraftssystem, 6 hp, motsvarande slutförd kurs EG2100.

Kunskaper i kommunikation och styrning i elkraftssystem, 6 hp, motsvarande slutförd kurs EG2130.

Rekommenderade förkunskaper

Ingen information tillagd

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • DAT1 - Datorövning, 2,5 hp, betygsskala: P, F
  • INL1 - Inlämningsuppgift, 2,5 hp, betygsskala: P, F
  • INL2 - Inlämningsuppgift, 2,5 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Elektroteknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd