In dieser Veranstaltung werden ausgewählte Prozesse der Trinkwasseraufbereitung mit der Programmiersprache Modelica dynamisch modelliert. Beispiele hierfür sind Belüftung oder Aktivkohleadsorption. Zur Anwendung kommt OpenModelica, ein freizugängliches Frontend der Programmiersprache Modelica, das zunehmend in der Industrie und in der Forschung angewandt wird.
Zu Beginn der Veranstaltung erfolgt an einfachen Beispielen eine Einführung in die Bedienung und Anwendung von OpenModelica. Gemeinsam werden die einzelnen erforderlichen Bestandteile und die Struktur der Modelle erarbeitet. Die Umsetzung in OpenModelica und die Anwendung erfolgt dann selbständig in Gruppenarbeit bzw. in Einzelarbeit. Für die Modelle erhalten die Studierenden ein Feedback und können Bonuspunkte für die Klausur erwerben.
Leistungsnachweis:
610 - Modellierung von Prozessen in der Wassertechnologie<ul><li>610 - Modellierung von Prozessen in der Wassertechnologie: Klausur schriftlich</li></ul><br>m610-2022 - Modellierung von Prozessen in der Wassertechnologie<ul><li>p239-2022 - Modellierung von Prozessen in der Wassertechnologie: mündlich</li></ul>
ECTS-Kreditpunkte:
3
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
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.