Simon Stock

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Simon Stock, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
Jederzeit
Harburger Schloßstraße 36,
21079 Hamburg
Gebäude HS36, Raum C3 0.006
Tel: +49 40 42878 2378
Logo

Forschungsprojekte

Einsatz von KI in der Betriebsführung von Verteilnetzen

Einsatz von KI in der Betriebsführung von Verteilnetzen

Technische Universität Hamburg (TUHH); Laufzeit: 2020 bis 2024

VeN²uS
Vernetzte Netzschutzsysteme - Adaptiv und vernetzt

VeN²uS

Vernetzte Netzschutzsysteme - Adaptiv und vernetzt

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

Forschungsschwerpunkt

Optimaler Betrieb und Energiemanagement von elektrischen Verteilnetzen (Smart Grids) mithilfe von künstlicher Intelligenz

Publikationen

TUHH Open Research (TORE)
Es konnte keine Verbindung zur Datenquelle erstellt werden.

Lehrveranstaltungen

Stud.IP
zur Veranstaltung in Stud.IP Studip_icon
GPU Architectures and Programming (PBL)
Untertitel:
This course is part of the module: GPU Architectures and Programming
Semester:
SoSe 24
Veranstaltungstyp:
PBL -Projekt-/problembasierte Lehrveranstaltung (Lehre)
Veranstaltungsnummer:
lv3040_s24
DozentIn:
Prof. Dr. Sohan Lal
Beschreibung:

A semester-long problem-based project will augment the learning in the lectures. Several topics related to GPUs will be proposed. You are required to choose a topic and work on it. It is possible to work in groups. There will be (bi-) weekly meetings to discuss progress and problems. 

In addition to the semester-long project, there will be assignments to teach CUDA programming. 

Leistungsnachweis:
m1842-2023 - GPU Architectures and Programming<ul><li>p1838-2023 - GPU Architectures and Programming: mündlich</li></ul>
ECTS-Kreditpunkte:
3
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Massively Parallel Systems (E-EXK5)
In Stud.IP angemeldete Teilnehmer: 1

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.