This part of the course focuses on how to utilize ML methods to model and operate electric power systems. Electric power systems consist of generation units such as PV, loads or consumers and the grid that connects those actors and supports to transport energy. This part of the course helps to understand the data-driven modelling of generation units (e.g. PV & fuel cells), modelling of load behavior, and to formulate and solve a state estimation problem for distribution grids using neural networks.
This part of the course includes lectures to introduce the basics that are followed by practical examples and coding.
Performance accreditation:
m1785-2022 - Machine Learning in Electrical Engineering and Information Technology<ul><li>p1778-2022 - Machine Learning in Electrical Engineering and Information Technology: mündlich</li></ul>
Görner, T. (2024). Vergleich der Effizienz von Windparks mit AC- und DC-Sammelnetzen.
Wichmann, A. (2024). Untersuchung von Dynamik und Stabilität in DC-Sammelnetzen von Offshore-Windparks.
completed
2024
Schultheiß, J. (2024). Impedanzbasierte Stabilitätsanalyse zur Bewertung der Stabilitätsgrenzen von DC- und AC-Netzen.
2023
Görner, T. (2023). Ermittlung der Stabilitätsgrenzen von DC-Microgrids und Validierung durch transiente Simulationen.
Langendörfer, T. (2023). Entwicklung eines Konzepts zur Auswahl von Netzstrukturen und Regelkonzepten für DC-Microgrids.
Rudolf, D. (2023). Optimierung der Energieeffizienz in DC-Microgrids: Eine Untersuchung der Rolle von DC-DC Wandlern.
Wichmann, A. (2023). Entwicklung eines Konzeptes zur datenbasierten Ermittlung des Alterungszustandes von Fahrzeugbatterien.
Winkel, J. (2023). Configurable gate driver circuits for IGBT based inverters with adjustable piecewise voltage and current gradient for industrial application.
2022
Nußbaum, F. (2022). Untersuchung der Systemstabilität von maritimen DC-Micro Grids durch Betrachtung von Lastflüssen und möglichen Fehlerfällen.
Nußbaum, F. (2022). Optimierung von Betriebszuständen und Spannungsregelung eines DC-Microgrids durch Reinforcement Learning.
Winter, K. (2022). Entwicklung eines verteilten Messsystems zur frequenzabhängigen Netzimpedanzbestimmung über einen breiten Frequenzbereich bis 500 kHz.