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
Trinkwasserversorgung (VL + HÜ)
Untertitel:
Diese Lehrveranstaltung ist Teil des Moduls: Siedlungswasserwirtschaft, Siedlungswasserwirtschaft I
Semester:
SoSe 24
Veranstaltungstyp:
Vorlesung (Lehre)
Veranstaltungsnummer:
lv306_s24
DozentIn:
PD Dr. Klaus Johannsen, Prof. Dr. Mathias Ernst, Muhammad Ismahil, Natalie Lüdemann
Beschreibung:

Die Vorlesung Trinkwasserversorgung vermittelt den Studierenden grundlegende Kenntnisse zum gesamten Wasserversorgungssystem bestehend aus Gewinnungsanlagen, Aufbereitung, inklusive Pumpentechnik, Rohrleitungen, Speicheinrichtungen und dem Verteilungssystem bis hin zum Verbraucher. .

Zunächst werden in der der Vorlesung die Grundlagen zur Bemessung von Rohrleitungen und zur Hydraulik von Rohrleitungssystemen bestehend aus Anlagen/Rohrleitungen (Anlagenkennlinie) und Pumpen (Pumpenkennlinie) vermittelt. An Hand von Beispielen lernen die Studierenden, wie daraus der Anlagenbetriebspunkt ermittelt wird. Weiterhin werden Wasservorkommen und deren Erschließung vorgestellt und die Studierenden in die Lage versetzt, einfache Bemessungen von Grundwasserbrunnen durchzuführen. Für den Bereich der Wasserverteilung wird gelehrt, wie Wasserbedarfszahlen ermittelt werden und daraus Planungswerte zur Dimensionierung der unterschiedlichen Elemente und Aufgaben einer Wasserversorgung (z. B. Feuerlöschbedarf) abgeleitet werden. Die Aufgaben von Speichern und deren Bemessung werden erklärt, so dass die unterschiedlichen Möglichkeiten der Speicheranordnung im System begründet werden können. Die Studierenden können schließlich die Bemessung eines einfachen Verteilungssystems eigenständig durchzuführen.

In einem weiteren Teil der Vorlesung werden die Prozesse der Trinkwasseraufbereitung behandelt. Diese umfassen, die zentralen Mechanismen und Auslegungsparameter der Sedimentation, der Filtration, der Flockung, der Membranverfahren, der Adsorption, der Enthärtung, des Gasaustausch, des Ionenaustauschs und der Desinfektion. Die Grundlagen zur Technik der Prozessaufbereitung werden vertieft durch parallele Analyse der Auswirkungen des jeweiligen Prozesses auf die chemisch - physikalischen Parameter der Wasserqualität.




Leistungsnachweis:
305 - Siedlungswasserwirtschaft<ul><li>305 - Siedlungswasserwirtschaft: Klausur schriftlich</li></ul><br>m686 - Siedlungswasserwirtschaft I<ul><li>p143 - Siedlungswasserwirtschaft I: Klausur schriftlich</li></ul>
ECTS-Kreditpunkte:
1
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Wasserressourcen und Wasserversorgung (B-11)
In Stud.IP angemeldete Teilnehmer: 190
Anzahl der Dokumente im Stud.IP-Downloadbereich: 18

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.