Dr.-Ing. Jan-Peter Heckel

Wissenschaftlicher Mitarbeiter

Kontakt

Dr.-Ing. Jan-Peter Heckel
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
nach Vereinbarung (Terminabsprache per E-Mail)
Harburger Schloßstraße 22a,
21079 Hamburg
Gebäude Harburger Schloßstraße 22a, Raum 2.014
Tel: +49 40 42878 2381
Logo

Forschungsprojekte

VeN²uS
Vernetzte Netzschutzsysteme - Adaptiv und vernetzt

VeN²uS

Vernetzte Netzschutzsysteme - Adaptiv und vernetzt

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2021 bis 2024

ResiliEntEE
Resilienz gekoppelter Energienetze mit hohem Anteil Erneuerbarer Energien

ResiliEntEE

Resilienz gekoppelter Energienetze mit hohem Anteil Erneuerbarer Energien

Technische Universität Hamburg (TUHH); Laufzeit: 2017 bis 2021

Publikationen

TUHH Open Research (TORE)

2023

2022

2021

2020

2019

Lehrveranstaltungen

Stud.IP
link to course in Stud.IP Studip_icon
Seminare.EIM: Introduction to Deep Learning (DSBS, CSMS, IIWMS, TMBS, IMPICS)
Semester:
SoSe 24
Course type:
Seminar
Lecturer:
Dr. rer. nat. Pradeep Banerjee
Description:
Deep Learning is one of the most vibrant areas of modern machine learning, offering one of the most promising routes to advancing Artificial Intelligence (AI). Deep Learning systems are reshaping the AI landscape across various fields, including language comprehension, speech and image recognition, and autonomous driving. This seminar covers deep neural networks basics and their applications in various AI tasks. We will explore several key paradigms related to expressivity, optimization and generalization properties of modern deep learning systems. Students will gain proficiency in Deep Learning, enabling them to apply it to different scenarios and comprehend current literature in the field.
Participants:
This seminar is aimed at all Bachelor- and Master- level students in the Informatik and the Techno-Mathematik courses. A maximum of 12 students can participate in the seminar.
Pre-requisites:
As a prerequisite, this seminar will assume familiarity with basic calculus, linear algebra, and probability. Familiarity with a programming language such as Python is desirable.
Learning organisation:
The seminar is divided into six blocks (following an introductory session), each lasting two weeks. Every block consists of the following components: * Week 1: Preparation of a presentation using prescribed sources (book chapters, video lectures, scientific articles). * Week 2: Presentations by 2 participants, each lasting 25 minutes based on a topic assigned to each participant in the first session of the seminar.
Area classification:
Studiendekanat Elektrotechnik, Informatik und Mathematik
Stud.IP informationen about this course:
Home institute: Studiendekanat Elektrotechnik, Informatik und Mathematik (E)
Participating institute: Institut für Data Science Foundations (E-21)
Registered participants in Stud.IP: 9
Documents: 5

Betreute Abschlussarbeiten

laufende

2024

  • Kumar, Melvin (2024). Automatische Erstellung von Simulationsmodellen für die Untersuchung der Auswirkung einer Netzaggregation auf die Kurschlusseigenschaften eines Netzes.

beendete

2024

  • Helmich, L. M. (2024). Entwicklung und Simulation eines Effektivwertmodells für STATCOM-Anlagen mit neuartigen Regelstrategien für Pendeldämpfungen in PowerFactory.

2023

  • Engemann, T. (2023). Nachbildung des Betriebsverhaltens einer Windkraftanlage in einer Laborumgebung.

  • Helmich, L. M. (2023). Entwicklung und Simulation einer Regelstrategie für die Pendeldämpfung durch STATCOM-Geräte.

  • Heunda, J. (2023). Dynamische Lastmodellierung zur adaptiven Schutzparametrierung in elektrischen Verteilnetzen.

  • Hube, P. (2023). Quantitative Bewertung des Mehrwerts einer adaptiven gegenüber einer konventionellen Netzschutzparametrierung.

  • Hube, P. (2023). Modellierung und Analyse des Kurzschlussverhaltens von Typ 4 umrichtergekoppelten Windkraftanlagen.

  • Kock am Brink, J. (2023). Vergleich von Spannungsstabilitätskennzahlen und deren Eignung als Resilienzindex.

  • Stoffregen, J. F. (2023). Implementierung und Simulation eines Testnetzes für die Mehrwertbetrachtung eines adaptiven Netzschutzes.

2022

  • Hillebrecht, T. (2022). Entwicklung und Implementierung eines Verfahrens zur Online-Detektion von Spannungsin-stabilitäten in gekoppelten Energiesystemen.

  • Schill, G. (2022). Untersuchung von Störungskaskaden in sektorengekoppelten Energiesystemen mittels einer Resilienzkennzahl.

2021

  • Ducci, D. (2021). Untersuchung der Bereitstellung von Regelleistung durch virtuelle Kraftwerke in sektorengekoppelten Energiesystemen.

  • Gomez Anccas, E. D. (2021). Entwicklung einer Methodik zur quantitativen Untersuchung und Bewertung dynamischer Interaktionen in gekoppelten Energiesystemen.

2020

  • Dressel, M. (2020). Untersuchung von spannungsstabilitätsbedingten Resilienzveränderungen im norddeutschen Energiesystem.

  • Gomez Anccas, E. D. (2020). Entwicklung eines Testmodells zur Untersuchung dynamischer Interaktionen in gekoppelten Energiesystemen.

  • Luo, K. (2020). Untersuchung der Auswirkungen des Netzentwicklungsplans 2025 auf die Netztopologie in Norddeutschland.

2019

  • Bredenberg, H. (2019). Optimierungssystem zur Netzplanung für die Mittelspannungsebene unter Berücksichtigung möglicher Entwicklungsszenarien.

  • Faili, Z. (2019). Analysis of the Voltage Stability in the Northern German Electrical Grid with Dynamic Simulation.

  • Häbel, I. (2019). Aggregation von Netzdaten für die numerisch effiziente Simulation gekoppelter Energiesysteme.

  • Krupp, M. (2019). Entwicklung und Integration eines Simulationsmodells für vermaschte Mehrpunkt-HGÜ-Systeme im Rahmen der Power System Toolbox.

2018

  • Dressel, M. (2018). Entwicklung und Integration eines Testnetzes zur Nachbildung des elektrischen Energiesystems von Nordeutschland für die Simuation energietechnischer Szenarien.