Simon Stock

M.Sc.
Research Assistant

Contact

Simon Stock, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Office Hours
Jederzeit
Harburger Schloßstraße 22a,
21079 Hamburg
Building HS22a, Room 2.002
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
Hafenlogistik (VL)
Untertitel:
Diese Lehrveranstaltung ist Teil des Moduls: Hafenlogistik
Semester:
SoSe 24
Veranstaltungstyp:
Vorlesung (Lehre)
Veranstaltungsnummer:
lv686_s24
DozentIn:
Prof. Dr. Carlos Jahn, M.Sc Ole Grasse, M. Sc Svenja Koch
Beschreibung:

Hafenlogistikbeschäftigt sich mit der Planung, Steuerung, Durchführung und Kontrolle von Materialflüssenund den dazugehörigen Informationsflüssen im System Hafen und seinenSchnittstellen zu zahlreichen Akteuren innerhalb und außerhalb desHafengeländes.

Dieaußerordentliche Rolle des Seeverkehrs für den internationalen Handel erfordertsehr leistungsfähige Häfen. Diese müssen zahlreichen Anforderungen in PunktenWirtschaftlichkeit, Geschwindigkeit, Sicherheit und Umwelt genügen. Vor diesemHintergrund beschäftigt sich die Vorlesung Hafenlogistik mit der Planung,Steuerung, Durchführung und Kontrolle von Materialflüssen und den dazugehörigenInformationsflüssen im System Hafen und seinen Schnittstellen zu zahlreichenAkteuren innerhalb und außerhalb des Hafengeländes. Die VeranstaltungHafenlogistik zielt darauf ab, Verständnis über Strukturen und Prozesse inHäfen zu vermitteln. Schwerpunktmäßig werden unterschiedliche Typen vonTerminals, ihre charakteristischen Layouts und das eingesetzte technischeEquipment und die voranschreitende Digitalisierung sowie das Zusammenspiel derbeteiligten Akteure thematisiert.

Außerdem werdenregelmäßig renommierte Gastredner aus der Wissenschaft und Praxis eingeladen,um einige vorlesungsrelevante Themen aus alternativen Blickwinkeln zubeleuchten.

FolgendeInhalte werden in der Veranstaltung vermittelt:

  •   Vermittlung von Strukturen und Prozessen imHafen
  •   Planung, Steuerung, Durchführung undKontrolle von Material- und Informationsflüssen im Hafen
  •   Grundlagen unterschiedlicher Terminals,charakteristischer Layouts und des eingesetzten technischen Equipments
  •   Bearbeitung vonaktuellen Fragenstellungen der Hafenlogistik  


Leistungsnachweis:
605 - Hafenlogistik<ul><li>605 - Hafenlogistik: Klausur schriftlich</li></ul><br>m1133 - Hafenlogistik<ul><li>p795 - Hafenlogistik: Klausur schriftlich</li><li>vl275 - Freiwillige Studienleistung Hafenlogistik - Schriftliche Ausarbeitung: schriftliche Ausarbeitung</li></ul>
ECTS-Kreditpunkte:
3
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Maritime Logistik (W-12)
In Stud.IP angemeldete Teilnehmer: 38
Anzahl der Dokumente im Stud.IP-Downloadbereich: 11

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.