Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
DE
EN
Suche
DE
EN
Suche
IEET > Personal > Wissenschaftliche Mitarbeitende > Anna-Lena Steen, M.Sc.

Anna-Lena Steen

M.Sc.
Wissenschaftliche Mitarbeiterin

Kontakt

Anna-Lena Steen, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
nach Vereinbarung
Harburger Schloßstraße 22a,
21079 Hamburg
Gebäude HS22a, Raum 2.017
Tel: +49 40 42878 4091
Logo

Forschungsprojekt

KoLa
Koordinierungsfunktion des Verteilnetzes und Lastmanagement für den elektrifizierten Personenverkehr

KoLa

Koordinierungsfunktion des Verteilnetzes und Lastmanagement für den elektrifizierten Personenverkehr

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2022 bis 2026

zur Projektseite

Publikationen

TUHH Open Research (TORE)

2024

2023

2022

Lehrveranstaltungen

Stud.IP
zur Veranstaltung in Stud.IP Studip_icon
Machine Learning for Physical Systems (VL)
Untertitel:
This course is part of the module: Machine Learning for Physical Systems
Semester:
WiSe 23/24
Veranstaltungstyp:
Vorlesung (Lehre)
Veranstaltungsnummer:
lv2987_w23
DozentIn:
Prof. Dr. Roland Aydin, Maire Henke
Beschreibung:
Introduction into various approaches and methods for using Machine Learning in conjunction with physical systems. \n Topics include: - Data pre- and postprocessing, classification versus regression - Decision-trees and random forests - Convolutional Neural Networks (CNNs) - Feature selection - Neural architecture search (NAS) and hyperparameter tuning - Constitutive artificial neural networks (CANNs) - Synthetic data - Multimodal and ensemble learning - Optimal experimental design (active learning) - Large Language Models - Process-structure-properties machine learning pipelines All these methods are useful in non-physical domains as well, the focus of the lecture and exercise will be their usability for physical systems. The associated exercise sessions (on the same day) will make use of various Python-libraries such as Sklearn and Pytorch, usually using Jupyter notebooks. Knowledge from the exercises will be relevant for the lecture and vice versa. No prior knowledge in machine learning or Python programming is strictly required, although it would be beneficial.
Leistungsnachweis:
m1807-2022 - Machine Learning for Physical Systems<ul><li>p1888-2023 - Machine Learning for Physical Systems: Klausur schriftlich</li></ul>
ECTS-Kreditpunkte:
3
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Machine Learning in Virtual Materials Design (M-EXK5)
In Stud.IP angemeldete Teilnehmer: 86
Anzahl der Postings im Stud.IP-Forum: 3
Anzahl der Dokumente im Stud.IP-Downloadbereich: 15

Betreute Abschlussarbeiten

laufende

2024

  • Ahmed, Taha (2024). Development of an iterative multi-agent coordination framework for congestion prevention in low voltage grids.

  • Busch, Marcel (2024). Entwicklung eines Netzmodells zur szenarienbasierten Untersuchung von Engpässen in heutigen und zukünftigen städtischen Verteilnetzen.

  • Krammer, Friederike (2024). Entwicklung eines Algorithmus zur Koordinierung flexibler Prosumer zur Netzengpassvermeidung in Niederspannungssträngen.

  • Möller, Julius (2024). Untersuchung von Kennzahlen zur Bewertung der Diskriminierungsfreiheit von Engpassmanagementmaßnahmen.

  • Wilke, Jan Jakob (2024). Definition leistungsbasierter Netzregeln zur Engpassvermeidung in elektrischen Verteilnetzen.

beendete
TU Hamburg
Institut für Elektrische Energietechnik (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 22a
21079 Hamburg
E-Mail : ieet(at)tuhh.de
Tel : +49 40 42878 3213
Weiterführende Links
Lageplan und Anfahrt
Datenschutz
Impressum