335598 research outputs found
Sort by
D4R: a new direct discrete dynamic data reconciliation method for the detection of cyber attacks
No full textA novel hybrid method of data reconciliation and gross error detection, applicable for systems with a mixture of dynamic and static system constraints, is developed for the detection of cyber attacks. The requirements for the new application of data reconciliation and similar methods in cybersecurity differ from the requirements for the established use of data reconciliation in automation and control engineering. For the detection of cyber attacks aiming at physical damage the main focus is on significant gross error detection while for classical applications a robust optimization and smoothing of measurement data is the main concern. Therefore the new hybrid method of direct discrete dynamic data reconciliation, as well as similar methods of data reconciliation and Kalman filters with their referring methods of gross error detection are evaluated regarding their aptitude for attack detection in cybersecurity. All considered methods are compared regarding properties resulting from the specific optimization procedure and the detection. The new direct discrete dynamic data reconciliation is indeed shown to outperform the other methods regarding the detection of cyber attacks
Mit der Diktaturerfahrung leben: Familiengeschichte und Post-Diktatur in Ost und West nach 1945
No full textData & Metadata in the ROCK-IT Project
No full textAn overview of the approach and developments from the data management work package within ROCK-I
Signal model for the radio emission of inclined cosmic-ray air-showers and energy reconstruction of event candidates for GRAND
No full textUltra-high-energy cosmic rays (UHECRs) originate from the most energetic and mysterious environments in the Universe. When UHECRs reach Earth, they collide with nuclei in the atmosphere, and induce massive particle cascades. Due to their rarity, we can only measure them with large surface detectors. The Giant Radio Array for Neutrino Detection (GRAND) will, next to its main goal of measuring UHE neutrinos, also be especially sensitive to inclined air showers induced by UHECRs. I use CoREAS simulations of the radio emission of inclined air-showers to adapt a previously developed signal model for this phenomenon in the 30–80 MHz frequency band to the 50–200 MHz band used by GRAND. I tune the model for the site of the GRAND prototypes GRAND@Auger, located at the Pierre Auger Observatory in Argentina, and GRANDProto300 (GP300) in the Gansu province of China. I reconstruct the geomagnetic radiation energy by fitting a lateral distribution function to the radially symmetric distribution of the energy deposited in the ground. After I correct for the air-density and geomagnetic field dependence, I correlate the radiation energy with the electromagnetic shower energy. The radio emission of air-showers changes significantly depending on parameters like frequency, geomagnetic field, and observation altitude. With the modifications I introduce to the model, I expect it to be viable for any configuration of the geomagnetic field, as well as lower and higher frequency bands by simply retuning the model parameters. With this work, I provide the first end-to-end event reconstruction for GRAND, including the reconstruction of the electric field from measured data, as well as a solid basis for the analysis of future GRAND measurements. The reconstruction achieves an intrinsic energy resolution better than 5% for the sites of GRAND@Auger and GP300. I benchmark the reconstruction by simulating the sparse antenna layouts of GP300 and GRAND10k, a future stage of GRAND with a 10,000 km2 detection area. Under realistic measurement conditions, the reconstruction achieves an excellent energy resolution of 7% with vanishing biases for both detectors. The reconstruction shows no inherent dependence on the cosmic-ray primary particle. I successfully apply the energy reconstruction to six of the first GRAND cosmic-ray event candidates, measured by a partial configuration of GP300. The reconstructed energies agree with expectations. Furthermore, I study the detection efficiency of GP300 and GRAND10k. I estimate for both detectors the rate of detected and reconstructed cosmic ray events. I expect GP300 and GRAND10k, respectively, to measure about 2000 and 85,000 cosmic-ray events with energies > 1018 eV within one year of exposure time. I predict that a detector like GRAND10k will detect at least 10 UHECR events with energies > 1019.75 eV within the same time period
Development of real-time digital twin for particle accelerator
No full textPoster presented at 7th ESSRI Workshop - Energy for Sustainable Science at Research Infrastructures - 2024
This Poster presents the development of a real-time, energy system-informed digital twin of the KARA accelerator at KIT. It enables testing and validation of energy-efficient operation strategies in a simulated environment without disrupting actual accelerator experiments
Energy efficient control of electric driven vessels including current effects
No full textEnergy consumption and emissions in shipping are playing an expanding role due to their impact on climate change. Combined with the shortage of nautical staff, automation and autonomy concepts move into the focus. Autonomous ships offer the opportunity to increase energy efficiency through intelligent control and trajectory planning. Given the example of an electric driven vessel it is shown how energy demands can be reduced by taking disturbances, such as water currents, into account in trajectory planning. For this, trajectory tracking is performed with a model predictive control approach. Therefore, an overall model of the ship with two effectors that are operated by electric drives (actuators) as an alternative to diesel or gasoline engines is used. The energy demand is investigated on the basis of the energy level of a high voltage battery that delivers the power to electrical machines
Grundlegende Untersuchungen zur magnetisch induzierten Ablösung von Partikelstrukturen von einer Einzelfaser in der Gas-Partikel-Trenntechnik
No full textIn der Gasreinigung dienen filternde Abscheider der effizienten Abscheidung fester oder flüssiger
Partikeln aus einem Gasstrom. Mit zunehmender Betriebszeit steigt durch Partikelabscheidung in der
Filtermatrix und/oder dem Aufbau eines Staubkuchens auf der Oberfläche des Filtermediums der
Druckverlust. Dies erhöht den Energiebedarf und erfordert eine periodische Reinigung
(Regeneration) oder den Austausch des Filtermediums. Während Tiefenfilter meist nicht regeneriert
werden, erfolgt die Abreinigung von Oberflächenfiltern üblicherweise durch Druckstöße von der
Reingasseite oder Rückspülen.
Eine Alternative zu diesen Verfahren stellt die magnetisch induzierte Reinigung magnetisierbarer
Kollektoren dar. Dieses innovative Verfahren zur Regeneration von Filtermedien bietet vielseitige
Einsatzmöglichkeiten – insbesondere in Anwendungen, bei denen eine Strömungsumkehr vermieden
und hohe Druckverluste reduziert werden sollen, wie z. B. in Naturzugsystemen. Dabei können
Filterelemente oder gezielt einzelne Kollektoren aus magnetisierbarem Material durch ein externes
Magnetfeld in Bewegung versetzt werden, wodurch nicht-magnetische Partikelstrukturen abgelöst
werden. Das Verfahren ist geräuscharm, kommt ohne zusätzliche mechanische bewegliche
Komponenten im Filter bzw. Gasstrom aus und ermöglicht eine effiziente Ablösung der
abgeschiedenen Partikelstrukturen. Daher eröffnen sich Perspektiven für den Einsatz in
automatisierten Filtersystemen mit adaptiven Reinigungsstrategien.
Ziel dieser Arbeit ist es, ein grundlegendes Verständnis für die magnetisch induzierte Bewegung
eines Kollektors und deren Einfluss auf die Ablösung von Partikelstrukturen unterschiedlicher
Morphologie zu entwickeln
Grid-Aware Sizing and Operation of Distributed Energy Resources
No full textAufgrund sinkender Kosten und politischer Maßnahmen zur Förderung regenerativer Energiequellen steigt die Anzahl erneuerbarer Erzeugungsanlagen weltweit an. Diese Entwicklung erfordert Investitionen in Verteilnetzinfrastruktur und intelligente Steuerungsmechanismen, welche die schwankende Energieerzeugung kompensieren. Gleichzeitig ist die Quantifizierung dieser Erfordernisse durch die Verteilnetzbetreiber ohne ausreichende Messinstrumentierung unmöglich. Infrastrukturkomponenten, wie Transformatoren, haben eine lange Lebensdauer und sind oftmals nicht mit Kommunikations- oder Messhardware ausgestattet. Als Alternative werden Smart Home Geräte mit Hardware zur Spannungsüberwachung an der Steckdose immer populärer. Können in den Netzknoten keine direkten Messungen vorgenommen werden, lassen sich mithilfe eines Feature-Propagation-Algorithmus Pseudo-Messwerte generieren. Damit wird die Spannungsüberwachung über das gesamte Verteilnetz vervollständigt, selbst wenn nicht alle Knoten instrumentiert sind. Mit detaillierten Kenntnissen über Netzengpässe lassen sich dezentrale Energieressourcen DERs auslegen, um das Netz möglichst ökonomisch zu unterstützen. Dieser Planungs- und Steuerungsprozess stellt ein Optimierungsproblem dar, das analytisch oder heuristisch gelöst werden kann, wobei jede Methode eigene Vorteile bietet. Im Rahmen dieses Verfahrens werden iterativ rechenintensive Lastflussberechnungen durchgeführt. Durch den Einsatz von Graph Neural Networks (GNNs) lassen sich diese Berechnungen effizient approximieren. Die Genauigkeit und Effizienz dieser Approximationen hängen von der zugrunde liegenden Architektur des Machine-Learning-Modells ab.
In dieser Dissertation wird die Messgenauigkeit kommerzieller Smart-Plugs untersucht, wobei deren hinreichende Präzision für die Spannungsüberwachung in Verteilnetzen nachgewiesen wird. Ein schneller Feature-Propagation-Algorithmus ergänzt diese Messungen durch Pseudo-Messwerte und vervollständigt so die Netzüberwachung. Durch den Vergleich heuristischer und analytischer Optimierungsansätze für sektorenübergreifende DERs wird gezeigt, dass DER-Komponenten mit linearen Gleichungen in Mixed-Integer Linear Program (MILP)-Modellen präzise analytische Lösungen liefern und zudem effizient berechnet werden können. Ein iterativer Algorithmus passt die Zusammensetzung und den Fahrplan einer sektorenübergreifenden DER an das umgebende Verteilnetz an. Um die Rechenzeit zu verkürzen, werden GNNs eingesetzt, um die Ergebnisse des Algorithmus zu approximieren. Ein in zwei Stufen vortrainiertes Modell, das zunächst die Lastflussberechnungen und anschließend die Algorithmusergebnisse approximiert, wird einem Einstufigen-GNN gegenübergestellt, das als direkter Ersatz für den iterativen Algorithmus dient. Das vortrainierte GNN approximiert den minimalen Leistungsbedarf zur Netzengpassbehebung in allen getesteten Szenarien, einschließlich realer Verteilnetz-Topologien, die nicht Teil der Trainingsdaten waren, mit höherer Genauigkeit als das Cold-Start-Modell