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
Fachpraktikum AIW/ ES: Vorbereitung (SE)
Untertitel:
Diese Lehrveranstaltung ist Teil des Moduls: Fachpraktikum AIW / ES
Semester:
WiSe 23/24
Veranstaltungstyp:
Seminar (Lehre)
Veranstaltungsnummer:
lv2682_w23
DozentIn:
Prof. Dr. Robert Seifried, Dipl. Wi.-Ing. Eilika Schwenke
Beschreibung:

Ziel der Praktikumsvorbereitung (empfohlen im 5. Semester) ist der Erwerbvon Kompetenzen, die für eine erfolgreiche Suche und Durchführung desFachpraktikums im 7. Semester relevant sind. Eine Teilnahme erhöht die Chancender Studierenden, zum festgelegten Zeitpunkt ein mindestens dreimonatiges undggf. englischsprachiges Praktikum zu finden und dient außerdem der  Vernetzung der AIW/ES-Studierenden. Für einerechtzeitige Praktikumsbewerbung wird eine Teilnahme im 5. Semester empfohlen.

Inhaltliche Schwerpunkte des Seminars sind die Themen Praktikumssuche,Bewerbung und Transferkompetenz. Die Studierenden reflektieren ihre bereitsvorhandenen Kompetenzen, Fähigkeiten und Interessen und erfahren, welche verschiedenenArbeitgeber für den Ingenieurberuf zur Verfügung stehen und wie sie diesefinden. Sie reflektieren weiterhin, welche Themen des Studiums sie impraktischen Transfer in Tätigkeiten erproben möchten (Theorie-Praxis-Transfer)und suchen sich (bei Bedarf unter Anleitung) passende Arbeitgeber. Es wirdKontakt zu Unternehmen und weiteren Arbeitgebern der Metropolregion Hamburghergestellt, die potentielle Arbeitgeber für TUHH-Absolvent*innen sind. Die Studierenden werden unterstützt, einenansprechenden Lebenslauf und ein Anschreiben zu erstellen. Sie üben dieSelbstpräsentation im Bewerbungsgespräch und absolvieren ein Probeinterview(mock interview).  Dazu erhalten sie Feedback von ihren Kommiliton*innenund den Lehrkräften. Sie  Selbstbewusstsein und erhöhen die Chancen,einen für sich gut passenden Praktikumsplatz zu finden.  

Das Seminar stärkt die Selbstständigkeit derStudierenden. Am konkreten Anwendungsbeispiel Fachpraktikum werden so Erwerbund Konsolidierung  von Kompetenzen derberufsbiographischen Gestaltung gefördert, die auf spätere Karriereschritteübertragbar sind. Es trägt weiterhin dazu bei, dass eine Verzahnung von Theorieund Praxis stattfindet. Transfer ist dabei „dieerfolgreiche Anwendung des zuvor angeeigneten Wissens bzw. der erworbenenFertigkeiten im Rahmen einer neuen, in der Situation der Wissens- bzw.Fertigkeitsaneignung noch nicht ersichtlichen Anforderung.“ Hasselhorn/Gold 2017

Leistungsnachweis:
m1273-2022 - Fachpraktikum AIW / ES<ul><li>p1171-2022 - Fachpraktikum AIW / ES: schriftliche Ausarbeitung</li></ul>
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Mechanik u. Meerestechnik (M-13)
In Stud.IP angemeldete Teilnehmer: 2

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.