Übersicht über die wesentlichen emittiertrenTreibhausgase einschl. des jeweiligen Global Warming Potentials und der durchschnittlicheLebenszeit der Moleküle in der Atmosphäre
Vermeidung Methan (CH4) (Punktquellen)
Emissionsquellen: Methanschlupf, Methanemission bei der Verbrennungusw.
Reduzierung Methanschlupf (u. a. Gasförderung,Biogasanlagen, Abfallwirtschaft)
Reduzierung Methan aus der Verbrennung (u. a. Kraftwerke,Schiffsmotoren, Automotoren, BHKW-Motoren usw.)
Abtrennung Kohlenstoffdioxid aus diffusen Quellen(Umgebungsluft)
Zwischenlagerung und Transport von Kohlenstoffdioxid
Endlagerung von Kohlenstoffdioxid
Geologische Rahmenbedingungen und Speicheroptionen,Infrastruktur (Assessment)
Obertageinstallationen / Betriebsweisen / Konditionierungvon CO2 (Phasenverhalten) etc.
Thermodynamische Rahmenbedingungen und Wechselwirkungen
Dichtheit des Speicherkomplexes (Geomechanik) und Langzeitverhalten(Modellierungen), Salzwasserverdrängung und -aufstieg?
Überwachungskonzepte (Monitoring-Methoden aus Geophysik,Geochemie, Mikrobiologie, angewendet auf verschiedenen räumlichen undzeitlichen Skalen) und Einschätzung der Speichersicherheit
m1719-2021 - Auswirkung & Minderung des Klimawandels<ul><li>p1665-2021 - Auswirkung & Minderung des Klimawandels: Klausur schriftlich</li></ul>
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Prozessbildgebung (V-10)
In Stud.IP angemeldete Teilnehmer: 18
Anzahl der Dokumente im Stud.IP-Downloadbereich: 3
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.