Béla Wiegel

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Béla Wiegel, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
Auf Anfrage
Harburger Schloßstraße 22a,
21079 Hamburg
Gebäude HS22a, Raum 2.003
Tel: +49 40 42878 2240
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
Seminare.EIM: Seminar on Electromagnetic Compatibility and Electric Power Systems (Bachelor/Master-ET)
Semester:
WiSe 22/23
Veranstaltungstyp:
Seminar (Lehre)
DozentIn:
Prof. Dr.-Ing. Christian Becker, Dr. Anna Katharina Kirf, Kathleen Potzahr, Prof. Dr. sc. techn. Christian Schuster, Marwan Mostafa, M.Sc., Mirco Woidelko, M.Sc., M.A., Dr. Cheng Yang, Christoph Klie, M.Sc., Johannes Heise, M.Sc., Dr.-Ing. Jan-Peter Heckel, Simon Stock, M.Sc., Hanko Ipach, M.Sc., Robert Annuth, M.Sc., Béla Wiegel, M.Sc., Tom Steffen, M.Sc.
Beschreibung:
Due to the energy transition, an increasing number of renewable energy plants are installed and connected to the grid. Their integration into the existing grid structure leads to challenging problems, which need to be solved to keep the grid stable. In addition to the conventional methods, the increasing availability of computational power allows to explore more computationally expensive algorithms and techniques. Besides optimization algorithms, machine learning approaches have gained popularity in the field of power engineering. Machine learning is a very diverse approach also used in multiple other disciplines and can be tailored to solve various problems. It offers a broad variety of techniques, networks, and algorithms with multiple advantages. In this joint seminar, the different applications for optimization techniques and machine learning in electrical energy systems are presented and discussed. The Seminar is open for Bachelor and Master Students in the electrical engineering program of TUHH. PhD students from both Institutes present their current research, while Bachelor/Master students give presentations on topics related to either power technology or electromagnetic compatibility.
Bereichseinordnung:
Studiendekanat Elektrotechnik, Informatik und Mathematik
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Elektrotechnik, Informatik und Mathematik
In Stud.IP angemeldete Teilnehmer: 33
Anzahl der Postings im Stud.IP-Forum: 2
Anzahl der Dokumente im Stud.IP-Downloadbereich: 4

Betreute Abschlussarbeiten

laufende
beendete

2024

  • Rücker, J. (2024). Optimal Scheduling of Flexible Components in Residential Neighborhoods Using Detailed Linear Programming.

2023

  • Nitz, A. (2023). Die Wärmepumpen im virtuellen Kraftwerk - Untersuchung von Wärmepumpen unter Berücksichtigung unterschiedlicher Funktionsprotokolle innerhalb eines virtuellen Kraftwerks.

2022

  • Kaya, E. (2022). Simulation des Lebenszyklus‘ einer Lithium Ion Zelle in den stationären EP and instationären EV Anwendungsfällen.

  • Pauelsen, F.-T. (2022). Implementierung eines Maximum-Power-Point-Tracker für Photovoltaikanlagen in Modelica.

  • Rücker, J. (2022). Dynamische Untersuchung des Verhaltens elektrischer Komponenten auf Quartiersebene hinsichtlich der Spannungshaltung.

  • Rüffert, J. (2022). Charakterisierung von Zellen in Verteilnetzen anhand von Bewertungskriterien und die Auswirkungen von punktuell und zeitlich begrenzt auftretenden Lasten.

2021

  • Helmrich von Elgott, L. (2021). Optimierter Einsatz dezentraler Flexibilität zur Betriebsführung intelligenter sektorgekoppelter Verteilnetze.

  • Zwinzscher, S. (2021). Entwicklung einer Methodik zur dynamischen Berechnung der Flexibilität eines auf Power-to-Heat basierenden Nahwärmenetzes.