Das Masteranden-Colloquium richtet sich an alle Studierende, die am Institut für Controlling und Simulation eine Abschlussarbeit schreiben.
Das Colloquium dient zur Präsentation der eigenen Abschlussarbeit sowie zur Vorbereitung. Die mit dem Betreuer vereinbarten Termine werden 1-2 Wochen vorher in den Ankündigen öffentlich gemacht.
Die Teilnahme an mindestens zwei Terminen ist verpflichtend bis zur Beendigung und Vorstellung der eigenen Arbeit.
Studierende, die sich ein Bild von den Arbeiten am Institut machen möchten, sind ebenfalls herzlich eingeladen teilzunehmen.
TeilnehmerInnen:
Masteranden, die am CUR-Institut eine Abschlussarbeit schreiben.
Bereichseinordnung:
Studiendekanat Management-Wissenschaften und Technologie > Internationales Wirtschaftsingenieurwesen (Master of Science)
Studiendekanat Management-Wissenschaften und Technologie > Logistik, Infrastruktur und Mobilität (Master of Science)
Studiendekanat Management-Wissenschaften und Technologie > Logistik und Mobilität (Bachelor of Science)
Studiendekanat Management-Wissenschaften und Technologie
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Management Accounting und Simulation (W-1)
In Stud.IP angemeldete Teilnehmer: 41
Anzahl der Postings im Stud.IP-Forum: 2
Anzahl der Dokumente im Stud.IP-Downloadbereich: 3
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.