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 > Tom Steffen, M.Sc.

Tom Steffen

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Tom Steffen, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
Nach Vereinbarung
Harburger Schloßstraße 36,
21079 Hamburg
Gebäude HS36, Raum C2 1.006
Tel: +49 40 42878 2734
Logo

Forschungsprojekte

EffiziEntEE
Effiziente Einbindung hoher Anteile Erneuerbarer Energien in technisch-wirtschaftlich integrierte Energiesysteme

EffiziEntEE

Effiziente Einbindung hoher Anteile Erneuerbarer Energien in technisch-wirtschaftlich integrierte Energiesysteme

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2022 bis 2025

zur Projektseite
CyEntEE
I³-Lab Cyber Physical Energy Systems – Sustainability, Resilience and Economics

I³-Lab

CyEntEE

Cyber Physical Energy Systems – Sustainability, Resilience and Economics

Technische Universität Hamburg (TUHH); Laufzeit: 2020 bis 2023

zur Projektseite

Publikationen

TUHH Open Research (TORE)

2024

2023

2022

2021

Lehrveranstaltungen

Stud.IP
link to course in Stud.IP Studip_icon
IIW Praktikum - Unlocking the Power of Performance Engineering: Revamping a Location Tracking Service
Semester:
WiSe 23/24
Course type:
Practical Course
Lecturer:
M.Sc. Yannick Loeck, Niklas Gollenstede, Prof. Dr. Christian Dietrich
Description:
In the rapidly-evolving tech landscape, speed and efficiency are the cornerstones of service superiority. Performance engineering, the art of infusing speed and reliability into systems, is a highly sought-after skill. By mastering this, you'll be positioned as a problem-solver within any company, systematically understanding and optimizing the entire system stack. This project serves as your gateway to the world of performance engineering. It's a hands-on experience where you'll collaboratively overhaul a sub-optimal location tracking service, transforming it to handle a million requests per second, while adding new features to enhance its usability. Our task is to use continuous location updates from simulated drivers traversing Germany as input to our service. The features you'll develop include: • Broad statistical analysis across boroughs, municipalities, and federal states. • In-depth driver statistics, like virtual mileage recorder and average speed. • Real-time vehicle tracking with geofenced notifications. • Management of historical time-series data. While the project emphasizes the creation of a robust, high-speed server backend, it also encourages teamwork and communication. As part of a team, you'll jointly decide on the best approach to problems and implement solutions, mimicking real-world working environments. The current prototype processes 1200 requests per second without the additional features. Our aim? A single machine adeptly handling a staggering million requests per second. This is not just an opportunity to improve an existing system, but also a chance to innovate, devise new approaches, and experience first-hand how your contributions can enhance system performance. We understand that the project could be challenging, but worry not. The journey from novice to proficient is paved with learning, making mistakes, and growing from them. This is a safe space to challenge yourself and acquire a new, highly valuable skillset. Prerequisites: • Basic knowledge of C/C++ programming. • Familiarity with Linux. By the end of this project, you'll have a deep understanding of performance engineering tools, ready to solve real-world performance problems. The location-based tracking service is our playground to explore, learn, and master these tools. It's not just about completing a project; it's about gaining a skill that can accelerate your career in the tech industry. Let's embark on this exciting journey together!
Area classification:
Studiendekanat Elektrotechnik, Informatik und Mathematik
Stud.IP informationen about this course:
Home institute: Operating System Group (E-EXK4)
Registered participants in Stud.IP: 9
Documents: 4

Betreute Abschlussarbeiten

laufende

2024

  • Gerstein, Manuel (2024). Analyse und Bewertung der Netzkapazität von Niederspannungsnetzen gegenüber hohen Durchdringungen an elektrischen Wärmepumpen und Elektroautos (extern).

  • Malpricht, Marlin (2024). Entwicklung und Simulation eines kurativen Engpassmanagements für zellulare Verteilnetze und Bewertung potentieller Vorteile bei Kooperation von Übertragungs- und Verteilnetzbetreibern.

2023

  • Mülke, Luca (2023). Verbesserung von verteilten Kurzfrist-Netzzustandsprognosen mit maschinellem Lernen für kuratives Engpassmanagement in zukünftigen modernen sektorgekoppelten Niederspannungsnetzen.

beendete

2024

  • Ahrens, Daniel (2024). Entwicklung und Bewertung von Sensitivitätsanalysen innerhalb zellularer Niederspannungsnetze für ein zukünftiges Engpassmanagement nach EnWG §14a.

2023

  • Buse, Alexander (2023). Entwicklung und Simulation eines kurativen Engpassmanagements für Niederspannungszellen innerhalb eines zellularen Energiesystems.

  • Merling, Stefan (2023). Analyse und Bewertung von Energieangeboten in zellular betriebenen Niederspannungsnetzen mit lokalem Markt.

2022

  • Fahrenkrug, Finn (2022). Entwicklung und Verifikation eines thermisch-elektrischen Leitungsmodells für das Engpassmanagement im elektrischen Verteilnetz.

  • Hoegel, N. (2022). Untersuchung und Bewertung von Netzzustandschätzung und -Prognosen unter Berücksichtigung von Fehlerszenarien bezüglich der Informations- und Kommunikationstechnik.

  • Hoegel, N. (2022). Entwicklung und Simulation eines verteilten Netzzustandsprognoseverfahrens für zellulare elektrische Energiesysteme. [pdf]

  • Rogoll, H. (2022). Entwicklung und Simulation von sozialen Beziehungen benachbarter Zellen zur Eigenverbrauchsoptimierung innerhalb eines zellularen Energiesystems mittels eines Multiagentensystem. [pdf]

  • Westphal, J. (2022). Implementierung und Bewertung einer Co-Simulation mit der Plattform Mosaik zur Kopp-lung von Modelica mit einem in Python implementierten Optimierungsalgorithmus.

2021

  • Luo, K. (2021). Entwicklung und Simulation eines Wechselrichtermodells für die Stabilitätsuntersuchung im winkelgeregelten Betrieb zukünftiger Stromnetze.

  • Schenk, C. (2021). Entwicklung und Optimierung der Beschaffungsstrategie für abzuregelnde Energie im Redispatch 2.0-Kontext basierend auf einer Vorhersagbarkeitsanalyse von Netzengpässen.

TU Hamburg
Institut für Elektrische Energietechnik (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 36
21079 Hamburg
E-Mail : ieet(at)tuhh.de
Tel : +49 40 42878 3213
Fax : +49 40 42878 2382
Weiterführende Links
Lageplan und Anfahrt
Datenschutz
Impressum