Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
DE
EN
Suche
DE
EN
Suche
IEET > Personal > Wissenschaftliche Mitarbeitende > Johannes Heise, M.Sc.

Johannes Heise

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Johannes Heise, M.Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Harburger Schloßstraße 36,
21079 Hamburg
Gebäude HS36, Raum C3 0.009
Tel: +49 40 42878 4099
Logo

Forschungsprojekt

iNeP
Integrierte Netzplanung der Sektoren Strom, Gas und Wärme

iNeP

Integrierte Netzplanung der Sektoren Strom, Gas und Wärme

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2021 bis 2026

zur Projektseite

Publikationen

TUHH Open Research (TORE)

2023

2022

2021

Lehrveranstaltungen

Stud.IP
zur Veranstaltung in Stud.IP Studip_icon
Machine Learning in Electromagnetic Compatibility (EMC) Engineering (VL)
Untertitel:
This course is part of the module: Machine Learning in Electrical Engineering and Information Technology
Semester:
SoSe 24
Veranstaltungstyp:
Vorlesung (Lehre)
Veranstaltungsnummer:
lv3006_s24
DozentIn:
Prof. Dr. sc. techn. Christian Schuster, Dr. Cheng Yang
Beschreibung:

Electromagnetic Compatibility (EMC) Engineering dealswith design, simulation, measurement, and certification of electronic andelectric components and systems in such a way that their operation is safe,reliable, and efficient in any possible application. Safety is herebyunderstood as safe with respect to parasitic effects of electromagnetic fieldson humans as well as on the operation of other components and systems nearby.Examples for components and systems range from the wiring in aircraft and shipsto high-speed interconnects in server systems and wirless interfaces for brainimplants. In this part of the course we will give an introduction to thephysical basics of EMC engineering and then show how methods of MachineLearning (ML) can be applied to expand todays physcis-based approaches in EMCEngineering.
Leistungsnachweis:
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>
ECTS-Kreditpunkte:
1
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Theoretische Elektrotechnik (E-18)
In Stud.IP angemeldete Teilnehmer: 2

Betreute Abschlussarbeiten

laufende

2024

  • Westphal, M (2024). Optimierte Planung eines gekoppelten Verteilnetzes unter der Berücksichtigung flexibler Komponenten.

2023

  • Hülfenhaus, V (2023). Modellierung und Planung eines urbanen sektorgekoppelten Verteilnetzes.

beendete

2023

  • Körber, C (2023). Quantifizierung und Modellierung von Flexibilitätsoptionen im Mittelspannungsverteilnetz für eine optimierte Netzplanung.

  • Oboreh, J (2023). Einsatz von Gas-gefeuerten Blockheizkraftwerken zur Stabilisierung des Stromnetzes bei hoher Durchdringung von Wärmepumpen.

  • Velikov, S (2023). Entwicklung und Parametrisierung eines Wärmepumpen- und Speichermodells für die Netzberechnung und -planung.

  • Westphal, M (2023). Aggregation von Flexibilitäten im Niederspannungsnetz zur Netzplanung unter Berücksichtigung der Auslastung von Betriebsmitteln.

2022

  • Albrecht, J. P. (2022). Entwicklung einer netzdienlichen Regelungsstrategie für einen Elektrolyseur im Verteilnetz.

  • Barthelme, J. (2022). Technisch-ökonomische Systemmodellierung und -anlayse eines urbanen Quatiers hinsichtlich des Einsatz von Wasserstoff als primärer Energieträger.

TU Hamburg
Institut für Elektrische Energietechnik (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 36
21079 Hamburg
E-Mail : ieet(at)tuhh.de
Tel : +49 40 42878 3213
Fax : +49 40 42878 2382
Weiterführende Links
Lageplan und Anfahrt
Datenschutz
Impressum