Simon Stock

M.Sc.
Research Assistant

Contact

Simon Stock, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Office Hours
Jederzeit
Harburger Schloßstraße 22a,
21079 Hamburg
Building HS22a, Room 2.002
Phone: +49 40 42878 2378
Logo

Research Projects

Applications of AI in distribution system operation

Applications of AI in distribution system operation

Hamburg University of Technology (TUHH); Duration: 2020 to 2024

VeN²uS
Networked grid protection systems - Adaptive and interconnected

VeN²uS

Networked grid protection systems - Adaptive and interconnected

Federal Ministry for Economic Affairs and Climate Action (BMWK); Duration: 2021 to 2024

Research Focus

Optimal operation and energy managment in electrical distribution grids (Smart Grids) using artifical intelligence

Publications

TUHH Open Research (TORE)

2023

2022

2021

Courses

Stud.IP
zur Veranstaltung in Stud.IP Studip_icon
Unsere Städte neu denken - City Walk zum Hamburger Nachhaltigkeitspotenzial [BACHELOR]
Untertitel:
Diese Lehrveranstaltung ist Teil des Moduls: Nichttechnische Angebote im Bachelor
Semester:
WiSe 23/24
Veranstaltungstyp:
Seminar (Lehre)
Veranstaltungsnummer:
lv3188_w23
DozentIn:
Ferya Ilyas, Dr. Sophie Heins, Randi Barth
Beschreibung:

Städte sind ein Geflecht aus Dienstleistungen und Unternehmen, Bedürfnissen und Bestrebungen, E-Scootern und Parks. All diese verschiedenen Aspekte machen unsere Städte aus (oder zerstören sie). Das Sustainable Development Goal 11 (SDG, Nachhaltigkeitsziel) der Vereinten Nationen legt Ziele und Vorgaben fest, um diese verschiedenen städtischen Probleme anzugehen und sicherzustellen, dass Gemeinschaften und die Umwelt in den Städten gedeihen.

Im Grundlagenkurs zu SDG 11 des SDG-Campus (www.sdg-campus.de) haben Studierende die Möglichkeit, alle wichtigen städtischen Themen zu erkunden und einen Überblick über die aktuellen Herausforderungen für Städte und deren Lösungen zu erhalten. Dieser digitale Selbstlernkurs ist die Basis der Lehrveranstaltung. Er wird selbstständig und in eigenem Tempo bearbeitet. Gerahmt wird der Selbstlernkurs von drei Präsenzterminen: einem Auftakttreffen, einem Zwischentermin sowie einem City Walk.

Die theoretischen Erkenntnisse aus dem Kurs werden abschließend im Rahmen eines City Walks durch die Hansestadt dem Praxistest unterzogen. Dabei sollen Orte besucht werden, die die sozialen, ökologischen, wirtschaftlichen Interdependenzen und Zusammenhänge des urbanen Projekts im Hinblick auf sein Nachhaltigkeitspotenzial aufzeigen und diskutiert werden können (verschiedene Stationen des City Walks werden zu Anfang des Semesters bekannt gegeben). Ziel ist es, den Studierenden die Vernetzung verschiedener städtischer Aspekte zu verdeutlichen und sie zu inspirieren, städtisches Leben, Systeme und Prozesse als Ganzes und nicht als einzelne Teile zu betrachten.

Die Kursinhalte werden auf Deutsch und Englisch vermittelt.

Prüfungsart: Referat von 20 Minuten im Rahmen des City Walks

Leistungsnachweis:
tm3188 - Unsere Städte neu denken - City Walk zum Hamburger Nachhaltigkeitspotenzial<ul><li>p3188 - Unsere Städte neu denken - City Walk zum Hamburger Nachhaltigkeitspotenzial : Referat</li></ul>
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: NTA - Nicht-technisches Angebot (0-NTA)
In Stud.IP angemeldete Teilnehmer: 18

Supervised Theses

ongoing
completed

2021

  • Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.

  • Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.

  • Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.

  • Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.

2020

  • Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.

  • Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.