Simon Stock, M. Sc.

Adresse: Technische Universität Hamburg
Elektrische Energietechnik
Harburger Schloßstraße 36
21079 Hamburg
Büro: Gebäude HS36
Raum C3 0.008
Telefon: Tel: +49 40 42878 2378
Fax: +49 40 42878 2382
E-Mail: simon.stock(at)tuhh.de
Sprechzeiten: Jederzeit

Forschungsprojekt

Optimaler Betrieb und Energiemanagement von elektrischen Verteilnetzen (Smart Grids) mithilfe von künstlicher Intelligenz

Interconnected network protection systems - the basis for the reliable and safe operation of distribution grids with a high penetration of renewable energies and electric vehicle
Lorenz, Matthias; Pletzer, Tobias Markus; Schuhmacher, Malte; Sowa, Torsten; Dahms, Michael; Stock, Simon; Babazadeh, Davood; Becker, Christian; Jaeger, Johann; Lorz, Tobias; Dahlmanns, Markus; Fink, Ina Berenice; Wehrle, Klaus; Ulbig, Andreas; Linnartz, Philipp; Selimaj, Antigona; Offergeld, Thomas
CIRED workshop on E-mobility and power distribution systems (2022)
Real-time inertia estimation in an inverter-dominated distribution grid using a physics-informed recurrent neural network
Plant, Rebecca; Stock, Simon; Babazadeh, Davood; Becker, Christian
CIRED workshop on E-mobility and power distribution systems (2022)

A Modified Branch-Current Based Algorithm for Fast Low Voltage Distribution Grid State Estimation using Smart Meter Data
Ipach, Hanko; Stock, Simon; Becker, Christian
Von Komponenten bis zum Gesamtsystem fur die Energiewende (ETG-Kongress 2021)
Applications of artificial intelligence in distribution power system operation
Stock, Simon; Babazadeh, Davood; Becker, Christian
IEEE Access 9 : 150098-150119 (2021-11)
Open Access | Verlags DOI

Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.

Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.