Tom Steffen

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Tom Steffen, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
Nach Vereinbarung
Harburger Schloßstraße 36,
21079 Hamburg
Gebäude HS36, Raum C2 1.006
Tel: +49 40 42878 2734
Logo

Forschungsprojekte

EffiziEntEE
Effiziente Einbindung hoher Anteile Erneuerbarer Energien in technisch-wirtschaftlich integrierte Energiesysteme

EffiziEntEE

Effiziente Einbindung hoher Anteile Erneuerbarer Energien in technisch-wirtschaftlich integrierte Energiesysteme

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2022 bis 2025

CyEntEE
I³-Lab Cyber Physical Energy Systems – Sustainability, Resilience and Economics

I³-Lab

CyEntEE

Cyber Physical Energy Systems – Sustainability, Resilience and Economics

Technische Universität Hamburg (TUHH); Laufzeit: 2020 bis 2023

Publikationen

TUHH Open Research (TORE)

2024

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

  • Gerstein, Manuel (2024). Analyse und Bewertung der Netzkapazität von Niederspannungsnetzen gegenüber hohen Durchdringungen an elektrischen Wärmepumpen und Elektroautos (extern).

  • Malpricht, Marlin (2024). Entwicklung und Simulation eines kurativen Engpassmanagements für zellulare Verteilnetze und Bewertung potentieller Vorteile bei Kooperation von Übertragungs- und Verteilnetzbetreibern.

2023

  • Mülke, Luca (2023). Verbesserung von verteilten Kurzfrist-Netzzustandsprognosen mit maschinellem Lernen für kuratives Engpassmanagement in zukünftigen modernen sektorgekoppelten Niederspannungsnetzen.

beendete

2024

  • Ahrens, Daniel (2024). Entwicklung und Bewertung von Sensitivitätsanalysen innerhalb zellularer Niederspannungsnetze für ein zukünftiges Engpassmanagement nach EnWG §14a.

2023

  • Buse, Alexander (2023). Entwicklung und Simulation eines kurativen Engpassmanagements für Niederspannungszellen innerhalb eines zellularen Energiesystems.

  • Merling, Stefan (2023). Analyse und Bewertung von Energieangeboten in zellular betriebenen Niederspannungsnetzen mit lokalem Markt.

2022

  • Fahrenkrug, Finn (2022). Entwicklung und Verifikation eines thermisch-elektrischen Leitungsmodells für das Engpassmanagement im elektrischen Verteilnetz.

  • Hoegel, N. (2022). Untersuchung und Bewertung von Netzzustandschätzung und -Prognosen unter Berücksichtigung von Fehlerszenarien bezüglich der Informations- und Kommunikationstechnik.

  • Hoegel, N. (2022). Entwicklung und Simulation eines verteilten Netzzustandsprognoseverfahrens für zellulare elektrische Energiesysteme. [pdf]

  • Rogoll, H. (2022). Entwicklung und Simulation von sozialen Beziehungen benachbarter Zellen zur Eigenverbrauchsoptimierung innerhalb eines zellularen Energiesystems mittels eines Multiagentensystem. [pdf]

  • Westphal, J. (2022). Implementierung und Bewertung einer Co-Simulation mit der Plattform Mosaik zur Kopp-lung von Modelica mit einem in Python implementierten Optimierungsalgorithmus.

2021

  • Luo, K. (2021). Entwicklung und Simulation eines Wechselrichtermodells für die Stabilitätsuntersuchung im winkelgeregelten Betrieb zukünftiger Stromnetze.

  • Schenk, C. (2021). Entwicklung und Optimierung der Beschaffungsstrategie für abzuregelnde Energie im Redispatch 2.0-Kontext basierend auf einer Vorhersagbarkeitsanalyse von Netzengpässen.