Logo Institute of Electrical Power and Energy Technology
Institute of Electrical Power and Energy Technology
Logo Institute of Electrical Power and Energy Technology
Institute of Electrical Power and Energy Technology
DE
EN
Search
DE
EN
Search
IEET > Staff > Research Assistants > Johannes Heise, M.Sc.

Johannes Heise

M.Sc.
Research Assistant

Contact

Johannes Heise, M.Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Office Hours
Nach Vereinbarung
Harburger Schloßstraße 22a,
21079 Hamburg
Building HS22a, Room 2.003
Phone: +49 40 42878 4099
Logo

Research Project

iNeP
Integrated network planning for the electricity, gas and heat sectors

iNeP

Integrated network planning for the electricity, gas and heat sectors

Federal Ministry for Economic Affairs and Climate Action (BMWK); Duration: 2021 to 2026

to the project page

Publications

TUHH Open Research (TORE)

2023

2022

2021

Courses

Stud.IP
link to course in Stud.IP Studip_icon
Machine Learning in Electromagnetic Compatibility (EMC) Engineering (VL)
Subtitle:
This course is part of the module: Machine Learning in Electrical Engineering and Information Technology
Semester:
SoSe 24
Course type:
Lecture
Course number:
lv3006_s24
Lecturer:
Prof. Dr. sc. techn. Christian Schuster, Dr. Cheng Yang
Description:

Electromagnetic Compatibility (EMC) Engineering dealswith design, simulation, measurement, and certification of electronic andelectric components and systems in such a way that their operation is safe,reliable, and efficient in any possible application. Safety is herebyunderstood as safe with respect to parasitic effects of electromagnetic fieldson humans as well as on the operation of other components and systems nearby.Examples for components and systems range from the wiring in aircraft and shipsto high-speed interconnects in server systems and wirless interfaces for brainimplants. In this part of the course we will give an introduction to thephysical basics of EMC engineering and then show how methods of MachineLearning (ML) can be applied to expand todays physcis-based approaches in EMCEngineering.
Performance accreditation:
m1785-2022 - Machine Learning in Electrical Engineering and Information Technology<ul><li>p1778-2022 - Machine Learning in Electrical Engineering and Information Technology: mündlich</li></ul>
ECTS credit points:
1
Stud.IP informationen about this course:
Home institute: Institut für Theoretische Elektrotechnik (E-18)
Registered participants in Stud.IP: 2

Supervised Theses

ongoing

2024

  • Famulla, J (2024). Nutzenbasierte Bereitstellung von Flexibilität aus urbanen Gas- und Wärmenetzen für die integrierte Verteilnetzplanung.

  • Westphal, M (2024). Optimierte Planung eines gekoppelten Verteilnetzes unter der Berücksichtigung flexibler Komponenten.

completed

2023

  • Hülfenhaus, V (2023). Modellierung und Planung eines urbanen sektorgekoppelten Verteilnetzes.

  • Körber, C (2023). Quantifizierung und Modellierung von Flexibilitätsoptionen im Mittelspannungsverteilnetz für eine optimierte Netzplanung.

  • Oboreh, J (2023). Einsatz von Gas-gefeuerten Blockheizkraftwerken zur Stabilisierung des Stromnetzes bei hoher Durchdringung von Wärmepumpen.

  • Velikov, S (2023). Entwicklung und Parametrisierung eines Wärmepumpen- und Speichermodells für die Netzberechnung und -planung.

  • Westphal, M (2023). Aggregation von Flexibilitäten im Niederspannungsnetz zur Netzplanung unter Berücksichtigung der Auslastung von Betriebsmitteln.

2022

  • Albrecht, J. P. (2022). Entwicklung einer netzdienlichen Regelungsstrategie für einen Elektrolyseur im Verteilnetz.

  • Barthelme, J. (2022). Technisch-ökonomische Systemmodellierung und -anlayse eines urbanen Quatiers hinsichtlich des Einsatz von Wasserstoff als primärer Energieträger.

TU Hamburg
Institute of Electrical Power and Energy Technology (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 22a
21079 Hamburg
E-mail : ieet(at)tuhh.de
Phone : +49 40 42878 3213
Links
Map and Directions
Data Privacy
Imprint