Simon Stock

M.Sc.
Research Assistant

Contact

Simon Stock, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Office Hours
Jederzeit
Harburger Schloßstraße 36,
21079 Hamburg
Building HS36, Room C3 0.006
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
Team, Lerngruppe oder fröhliche Runde? Grundlagen der Begleitung von Gruppen (SE) [BA]
Untertitel:
Diese Lehrveranstaltung ist Teil des Moduls: Nichttechnische Angebote im Bachelor
Semester:
SoSe 24
Veranstaltungstyp:
Seminar (Lehre)
Veranstaltungsnummer:
lv2523_s24
DozentIn:
Dipl.-Min. Lennart Osterhus, Jenny Alice Rohde, Christina Rothe
Beschreibung:

Um die Arbeit von Tutor/innen der TUHH zu professionalisieren und ihnen ihre wichtige Arbeit zu erleichtern, werden in diesem Seminar grundlegende Aspekte des Lehrens und Lernens erarbeitet und gezielt auf die Situation als PBL-, Projekt- oder Gruppen-Tutor/in angewendet.
Die Teilnehmenden haben gemeinsam, dass sie Studierende in Gruppen im Rahmen einer Lehrveranstaltung begleiten, dies jedoch in diversen Lehrszenarien und mit unterschiedlichen Rahmenbedingungen. Der Austausch mit anderen Tutor/innen ist zentraler Bestandteil des Seminars.
Neben einer Reihe von Inputs gibt es viele praktische Übungen. Diese ermöglichen den Teilnehmenden neue Ideen zu entwickeln, erlangtes Wissen zu vertiefen und Methoden auszuprobieren.
Das Seminar zeigt theoretische Hintergründe, sowie Methoden und Tricks  für tägliche Herausforderungen auf. Die Teilnehmenden können im Anschluss:
- grundlegende theoretische Hintergründe und Modelle verstehen
- ihre Rolle als Tutor/in eingrenzen, ausfüllen und reflektieren
- Studierende im Lernprozess beobachten und angemessen unterstützen
- Gruppenarbeitsphasen erkennen und kennen Methoden Gruppenprozesse gezielt zu fördern.

Das Seminar eröffnet den Teilnehmenden zudem die Möglichkeit sich im Rahmen der fachtheoretisch-fachpraktischen Arbeit mit einem Wahlthema vertieft auseinanderzusetzen und das erlangte Wissen mit allen Teilnehmenden zu teilen.
Sie können u.a.
- ein Thema mit Bezug zu ihrer Tätigkeit als Tutor/in vertiefen
- eine Erfahrung analysieren, aufbereiten und eine Idee dazu entwickeln
- eine Veranstaltung oder einen Aspekt davon reflektieren und eine Veränderung vorschlagen, begründen und falls möglich anwenden
- als Tandem eine gegenseitige Hospitation und anschließende kollegiale Beratung durchführen, analysieren und reflektieren
- eine Lehrsituation im Seminar ausprobieren, sich Feedback einholen und diese Erfahrungen auf ihre Arbeit als Tutor/in übertragen.

Leistungsnachweis:
tm2523 - Team, Lerngruppe oder fröhliche Runde? Grundlagen der Begleitung von Gruppen (Seminar)<ul><li>p1595-2021 - Team, Lerngruppe oder fröhliche Runde? Grundlagen der Begleitung von Gruppen: Fachtheoretisch-fachpraktische Arbeit</li></ul>
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: ZB Servicebereich Lehre u. Studium (SLS)
beteiligte Institute: ZB Zentrum für Lehre und Lernen (ZLL), Technische Universität Hamburg (TUHH)
In Stud.IP angemeldete Teilnehmer: 16
Anzahl der Dokumente im Stud.IP-Downloadbereich: 19

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.