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 > Mirco Fabian Woidelko, M.Sc., M.A.

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

zur Projektseite

Publikationen

TUHH Open Research (TORE)

Lehrveranstaltungen

Stud.IP
zur Veranstaltung in Stud.IP Studip_icon
Machine Learning Applications in Electric Power Systems (VL)
Untertitel:
This course is part of the module: Machine Learning in Electrical Engineering and Information Technology
Semester:
SoSe 24
Veranstaltungstyp:
Vorlesung (Lehre)
Veranstaltungsnummer:
lv3008_s24
DozentIn:
Prof. Dr.-Ing. Christian Becker, Dr. Davood Babazadeh, Simon Stock, M.Sc.
Beschreibung:

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.

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: Elektrische Energietechnik (E-6)
In Stud.IP angemeldete Teilnehmer: 3

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.

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