In dieser Projektbasierten Übung werden die erlernten Aspekte zur Erreichung von energieffizienten eingebetten Systemen in praxisnahen Umgebungen in einem kleinen Projekt imlementiert und gefestigt. Dabei wird zunächst durch definietre Aufgaben ein Tool-Set für die Implementierung von Energieeffizienzmechanismen in gemeinsamen Übungen implementiert. Im zweitenTeil erfolgt eine Challenge-Based Übung, bei der ein möglichst effizientes System eigenständig implementiert werden soll. Zur Anwendung kommt ein System basierend auf einem AVR Mikro-Controller, welcher durch einen Solar-Energy Harvester autonom betrieben werden kann.
Aufgabenphase: 6 "hands-on" Aufgaben um Erfahrungen zu ammeln und eine SW Bibliothek zu erstellen
Projekphase: Implementierung eines Energieautonomen Systems mit dem Ziel größtmögliche Energieefizienz (Challenge)
Leistungsnachweis:
m1749-2022 - Energieeffizienz in eingebetteten Systemen<ul><li>p1731-2022 - Energieeffizienz in eingebetteten Systemen: mündlich</li></ul>
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Smart Sensors (E-EXK3)
In Stud.IP angemeldete Teilnehmer: 20
Anzahl der Dokumente im Stud.IP-Downloadbereich: 20
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.