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 > Finn Nußbaum, M.Sc.

Finn Nußbaum

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Finn Nußbaum, 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 4092
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

Lehrveranstaltungen

Stud.IP
link to course in Stud.IP Studip_icon
Machine Learning in Electrical Engineering and Information Technology
Semester:
SoSe 24
Course type:
Lecture
Course number:
lv3004_s24
Lecturer:
Prof. Dr. sc. techn. Christian Schuster, Prof. Dr.-Ing. Christian Becker, Prof. Dr. Alexander Kölpin, Gerhard Bauch, Dr. Maximilian Stark, Dr. Davood Babazadeh, Dr. Cheng Yang, PD Dr.-Ing. habil. Rainer Grünheid, Simon Stock, M.Sc.
Description:
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.
Performance accreditation:
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 credit points:
6
Stud.IP informationen about this course:
Home institute: Institut für Nachrichtentechnik (E-8)
Registered participants in Stud.IP: 99
Postings: 4
Documents: 25

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.

  • Lindner, Joost (2024). Entwicklung einer probabilistischen Lastprognose für die Niederspannungsebene elektrischer Verteilnetze.

  • 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

2024

  • Ming, Zhao (2024). Conceptual Design for a grid demonstrator for teaching purposes and development of a suitable distribution grid simulation.

2023

  • Kock am Brink, Jonas (2023). Entwicklung einer Engpassprognose für elektrische Verteilnetze mittels probabilistischer Verfahren.

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