Mirco Fabian Woidelko

M.Sc., M.A.
Wissenschaftlicher Mitarbeiter

Kontakt

Mirco Woidelko, M.Sc., M.A.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
nach Vereinbarung
Harburger Schloßstraße 36,
21079 Hamburg
Gebäude HS36, Raum C2 1.013
Tel: +49 40 42878 4093
Logo

Forschungsprojekt

DisrupSys
Disruptive Funktionen und Technologie für den winkelbasierten Verbundnetzbetrieb in Umrichter dominierten Energiesystemen mit überwiegend regenerativer Einspeisung

DisrupSys

Disruptive Funktionen und Technologie für den winkelbasierten Verbundnetzbetrieb in Umrichter dominierten Energiesystemen mit überwiegend regenerativer Einspeisung

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

Publikationen

TUHH Open Research (TORE)

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
beendete

2023

  • Babendererde, A. (2023). Regelung eines Umrichters zum Anschluss eines Wasserstoffspeicherkraftwerks an die Höchstspannungsebene.

2022

  • Lim, I. (2022). Modelling and Integration of a Hydrogen Storage Power Plant in the 10-Machine New-England Power System.

  • Lindner, J. (2022). Primärregelungskonzepte für einen Batteriepufferspeicher eines Wasserstoffspeicherkraftwerkes.

  • Rieckborn, N. (2022). Modellierung des Umwandlungsprozesses eines Wasserstoffspeicherkraftwerks.