The group project: TUHH goes Circular addresses environmental challenges and studies non-technical aspects that support the circular economy and environmental initiatives. Topics are to be chosen matching the general scope of environmental challenges, i.e. the challenges of rising resource consumption and waste production. In a practical group task, students will gain experience in the research, design and execution of a sustainability action plan. Important aspects of action plan should be supported by scientific evidence and improved upon based on constructive feedback. In addition, students will be introduced to the importance of high-quality science communication for ecologically and socially sustainable development.
Leistungsnachweis:
tm1734 - Projectrealisation: TUHH Goes Circular - Sustainability in Research, Education and Campus Management (seminar)<ul><li>719 - Projectrealisation: TUHH Goes Circular - Sustainability in Research, Education and Campus Management: Presentation</li></ul>
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: NTA - Nicht-technisches Angebot (0-NTA)
beteiligte Institute: Institut für Circular Resource Engineering and Management [CREM] (V-11)
In Stud.IP angemeldete Teilnehmer: 15
Anzahl der Dokumente im Stud.IP-Downloadbereich: 2
Betreute Abschlussarbeiten
laufende
beendete
2021
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.