Physikalische Materialeigenschaften<br /> o Materialverhalten - elastisch, thermisch, elektrisch<br /> o Superelastizität und Formgedächtniseffekt<br /> o Grundlagen der elektrischen Leitfähigkeit in Metallen und Halbleitern<br /> o Supraleitung<br />•
Leistungsnachweis:
Chemische (oder "trockene") Korrosion<br /> o Treibende Kräfte und Mechanismen<br /> o Passivierung<br /> o Zeitverlauf<br />•
Sonstiges:
Einführung in die Elektrochemie<br /> o Elektrolyte<br /> o Ionen<br /> o Solvatation<br /> o Auflösung und Abscheidung von Metallen<br /> o Galvanische Zellen und Zellspannung<br /> o Elektrochemische Spannungsreihe<br /> o Nernstgleichung<br /> o Polarisierbare Elektroden<br /> o Elektrochemische Doppellage<br /> o Kapazitive und pseudokapazitive Prozesse<br /> o Kapazitive Ströme und Faradayströme<br />•
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.