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 > Simon Stock, M.Sc.

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

to the project page
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

to the project page

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
Logistische Systeme - Industrie 4.0 (SE)
Untertitel:
Diese Lehrveranstaltung ist Teil des Moduls: Logistische Systeme - Industrie 4.0
Semester:
WiSe 23/24
Veranstaltungstyp:
Seminar (Lehre)
Veranstaltungsnummer:
lv1753_w23
DozentIn:
Prof. Dr. Jochen Kreutzfeldt, Philipp Maximilian Braun, Mike Wesselhöft
Beschreibung:
Die Vorlesung gibt eine Einführung in dasKonzept Logistische Systeme mit einem besonderen Schwerpunkt zum Thema Industrie4.0. Hierbei wird der Systemgedanke in der Logistik von einem technischenStandpunkt eingeführt. Ein logistisches System wird in dieser Veranstaltung alseine Kombination von Transport-, Lager- und Veränderungsprozessen zwischenQuellen und Senken von Gütern verstanden. Bei Betrachtung dieser Prozesse stehtder technische Aspekt im Vordergrund.

Das ThemaIndustrie 4.0 wird vorgestellt und diskutiert. Unter Industrie 4.0 wird eineweitgehende Digitalisierung und Vernetzung logistischer Systeme und eine damiteinhergehende Verknüpfung von Logistikobjekten, -prozessen und -systemen verstanden.Die Logistik verspricht sich durch Industrie 4.0 eine tiefgreifende Veränderungbisher nicht realisierter Verbesserungspotentiale. Die Vorlesung bietet eine vertiefte Einführung inAnwendungs- und Geschäftsmodelle von Industrie 4.0 in der Logistik,insbesondere von einem technischen Standpunkt aus. Dabei wird ein möglicherBezugsrahmen für Industrie 4.0 abgeleitet und die verschiedenen technologischenHandlungsfelder dargestellt. Für die Handlungsfelder werden Anwendungsbeispielevorgestellt.

In Übungen lernen die Studierenden exemplarisch den Einsatzverschiedener technischer Lösungen kennen und wie diese zur Verbesserung vonlogistischen Systemen eingesetzt werden können.

Leistungsnachweis:
320 - Logistische Systeme - Industrie 4.0<ul><li>320 - Logistische Systeme - Industrie 4.0: schriftliche Ausarbeitung</li></ul>
ECTS-Kreditpunkte:
6
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Technische Logistik (W-6)
In Stud.IP angemeldete Teilnehmer: 17
Anzahl der Dokumente im Stud.IP-Downloadbereich: 23

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.

TU Hamburg
Institute of Electrical Power and Energy Technology (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 36
21079 Hamburg
E-mail : ieet(at)tuhh.de
Phone : +49 40 42878 3213
Fax : +49 40 42878 2382
Links
Map and Directions
Data Privacy
Imprint