This master course, a collaborative effort between the Institute of Communications, the Institute for High-Frequency Engineering, the Institute for Power Systems, and the Institute for Theoretical Electrical Engineering, is designed to unveil the synergies between machine learning and our respective fields of expertise.
In an age defined by rapid technological advancement, machine learning stands as a catalyst for innovation, offering transformative possibilities across diverse sectors. From optimizing communication systems to enhancing power grid efficiency, and from refining signal processing techniques to enabling autonomous systems, the integration of machine learning techniques holds immense promise for addressing contemporary challenges.
Throughout this course, we will delve into the theoretical underpinnings, practical methodologies, and tangible applications of neural networks and machine learning algorithms. By delving into algorithmic design, data analysis, and optimization techniques, we aim to equip you with the skills and insights needed to navigate the complexities of modern engineering landscapes.
Leistungsnachweis:
m1785-2022 - Machine Learning in Electrical Engineering and Information Technology<ul><li>p1778-2022 - Machine Learning in Electrical Engineering and Information Technology: mündlich</li></ul>
ECTS-Kreditpunkte:
6
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Nachrichtentechnik (E-8)
In Stud.IP angemeldete Teilnehmer: 99
Anzahl der Postings im Stud.IP-Forum: 4
Anzahl der Dokumente im Stud.IP-Downloadbereich: 25
Betreute Abschlussarbeiten
laufende
2024
Bahe, B. (2024). Nichtlineare Stabilitätsuntersuchungen in einem leistungselektronisch dominierten elektrischen Energiesystem.
beendete
2024
Boehm, E. (2024). Einfluss des Netzäquivalents auf die Stabilität eines Netzes mit netzbildenden und netzfolgenden Umrichtern.
Helmich, L. M. (2024). Entwicklung und Simulation eines Effektivwertmodells für STATCOM-Anlagen mit neuartigen Regelstrategien für Pendeldämpfungen in PowerFactory.
Rüter, C. (2024). Einfluss der Netzstärke auf die Kleinsignalstabilität netzbildender Umrichter mit virtueller Oszillator-Regelung.
Schultheiß, J. (2024). Impedanzbasierte Stabilitätsanalyse zur Bewertung der Stabilitätsgrenzen von DC- und AC-Netzen.
2023
Chouiter, B. (2023). Dynamic Phasor Modelling and Comparison to Classical EMT Models.
Helmich, L. M. (2023). Entwicklung und Simulation einer Regelstrategie für die Pendeldämpfung durch STATCOM-Geräte.
Kamma, J. (2023). Umrichtermodellierung zur Repräsentation von Interaktionen im Sinne der Converter-Driven Stability.
Mißfeldt, C. (2023). Einfluss von Zeitverzögerungen auf die Converter-Driven Stability.
Rosenau, Y. (2023). Einfluss netzbildender Umrichter-Regelungsstrukturen auf die "Converter-Driven Stability".
2022
Kumar, M. (2022). Modellierung und Vergleich des Frequenzverhaltens dezentraler Anlagen mit netzbildenden Eigenschaften oder beigestellter Schwungmasse.
Lim, I. (2022). Modelling and Integration of a Hydrogen Storage Power Plant in the 10-Machine New-England Power System.
Rieckborn, N. (2022). Modellierung des Umwandlungsprozesses eines Wasserstoffspeicherkraftwerks.