Technische Universität Dresden: Qucosa
Not a member yet
16344 research outputs found
Sort by
Mechanistic Insights into the Cycling Behavior of Sulfur Dry-Film Cathodes
No full textAll-solid-state lithium–sulfur batteries (ASSB-LiS batteries) are considered among advanced candidates for next-generation energy storage systems, as they break with restrictions and limitations that liquid electrolytes impose on lithium-ion batteries and lithium-sulfur batteries (LiS-batteries), meaning enhanced safety and higher energy densities. However, investigations under realistic conditions on pouch cell level are challenging, as it is necessary to implement a scalable preparation method for sheet-type cathodes with high sulfur utilization and loading. In this study, a solvent-free process to prepare free-standing cathode sheets with low binder content down to 0.1 wt% PTFE is demonstrated. The contribution of binder and electrolyte on the conversion reaction of sulfur is discussed. Sheet-type cathodes reach nearly theoretical sulfur utilization of 1672 mAh gS⁻¹ and outstanding reversible capacity retention with 72% of initial discharge capacity after 400 cycles by adapting cut-off voltages to the stability window of the electrolyte. Furthermore, an all-solid-state pouch cell is demonstrated using the dry-film cathode, which is successfully tested for 50 cycles at different C-rates. Thickness monitoring of the cell stack gives fundamental insights into the volume change and breathing behavior of both cathode and anode
Process Window and Repeatability of Thermomechanical Tangential Ring Rolling
No full textInternational objectives towards improved resource and energy efficiency require new manufacturing processes, such as the proposed thermomechanical tangential profiled ring rolling process. A rapid cooling-down for microstructural adjustment and a final calibration step via cold forming are combined into one single step. The reduction of process steps and the reduced number of heating cycles present opportunities for improved energy efficiency compared to traditional processes. Based on a series of experiments, this paper aims at showing the potential of this new process in terms of obtainable hardness and microstructure. The influence of the active cooling system and the rolling feed is demonstrated. They are identified as essential with regard to both the geometry and the microstructural properties of the produced part. Finally, the repeatability of the process is analyzed, and potential disturbances are identified and ranked
Influence of depressive disorders, stress, and personality traits on quality of life after cochlear implantation
No full textPurpose
This study aimed to determine whether preoperative depressiveness, stress, and personality influence quality of life (QOL) after cochlear implant (CI) surgery.
Methods
In this prospective study, 79 patients undergoing CI surgery were evaluated preoperatively and 12 months postoperatively. Disease-specific QOL was assessed with the Nijmegen Cochlear Implant Questionnaire (NCIQ) and general QOL with the WHOQOL-BREF. Depressiveness and stress were assessed with the Patient Health Questionnaire (PHQ-D). The Charlson Comorbidity Index (CCI) was used to classify comorbidities. The Big Five Personality Test (B5T) was used to assess the basic personality dimensions. Speech comprehension was evaluated in quiet with the Freiburg monosyllable test and in noise with the Oldenburg sentence test.
Results
After CI surgery, the total NCIQ score improved significantly (Δ 17.1 ± 14.7, p < 0.001). General QOL (WHOQOL-BREF, Δ 0.4 ± 9.9, p = 0.357), stress (Δ 0.25 ± 3.21, p = 0.486), and depressiveness (Δ 0.52 ± 3.21, p = 0.121) were unaffected by CI surgery. Patients without elevated depressiveness (p < 0.01) or stress (p < 0.001) had significantly better total NCIQ scores. The results of the multiple regression analyses show that, after adjusting for the CCI, personality, age, and mental health stress (ß = − 0.495, p < 0.001) was significantly associated with postoperative NCIQ outcome scores. Depressiveness and neuroticism had the strongest influence on the generic QOL (ß = − 0.286 and ß = − 0.277, p < 0.05).
Conclusion
Stress symptoms and personality traits are significant predictive factors for disease-specific QOL, as well as hearing status. This should be considered in the preoperative consultation and in optimizing the rehabilitation process
Warum Frauen wissenschaftliches Schreiben erst lernen müssen, Männer aber Naturtalente sind: Gender und Schreibzentren
No full textaus der Vorbemerkung: „...Gender Imbalance war das Thema eines Barcamp Workshops auf der SPTK 2019 in Dresden. Status quo: Frauen sind in der Überzahl. Sowohl auf der Tagung selbst als auch im Austausch wurde deutlich, dass die Schreibzentren in Deutschland und Österreich in Frauenhand sind. Es gibt zahlreiche Tutorinnen, Teams bestehen überwiegend aus Frauen und hauptsächlich Studentinnen nutzen die Beratungsangebote. Zwar suchen auch Männer Rat oder arbeiten als Tutoren – sie scheinen jedoch eine Minderheit zu bilden..
Aquifer Contracts: A Means to Solving Groundwater Over-exploitation in Morocco?
No full textThe Moroccan government has used aquifer contracts as a management tool to control groundwater depletion. The first aquifer contract was signed in 2006 for the Souss region as a technical and financial non-binding contract between stakeholders and the government. The contract contemplated specific measures to be implemented across the Souss Massa-Draa Basin, including water fees and restriction of cultivated areas. This GRIPP Case Profile reviews the evolution of aquifer contracts in Morocco and the case of the Souss, examining the various social, political and institutional challenges surrounding its endorsement and implementation. Despite its innovative approach as a multi-user platform aiming to consolidate specific groundwater management activities on the ground, the voluntary nature of the aquifer contract limited the number of participating stakeholders. Also, the lack of institutional capacity and clarity of roles under the decentralization process prohibited its oversight and enforcement. The Case Profile illustrates the complexity of groundwater management within a context of increased resource dependence, and the necessity to enhance and sustain inclusive participatory arrangements. In order to improve the effectiveness of aquifer contracts, Morocco needs to solidify its decentralization of groundwater management, and clear up environmental, agricultural and irrigation policy inconsistencies. Better data to understand and manage groundwater resources in an integrated manner are also needed, as well as proper oversight and binding measures that encourage transparency and adherence to the water law.Le gouvernement marocain a utilisé les contrats de nappes comme un outil de gestion pour contrôler l’épuisement des eaux souterraines. Le premier contrat de nappe a été signé en 2006 dans la région du Souss comme un contrat technique et financier non contraignant entre les parties prenantes et le gouvernement. Le contrat prévoyait des mesures spécifiques à mettre en œuvre dans le bassin du Souss Massa-Draa, y compris la tarification de l’eau et des restrictions à l’expansion des zones cultivées. Ce document GRIPP Case Profile étudie l’évolution des contrats de nappes au Maroc et le cas du Souss, en examinant les divers défis sociaux, politiques et institutionnels entourant son approbation et sa mise en œuvre. Malgré une approche innovatrice en tant que plate-forme multi-usagers visant à consolider des activités spécifiques de gestion des eaux souterraines sur le terrain, le caractère volontaire du contrat de nappe a limité le nombre de participants. En outre, le manque de capacité institutionnelle et la clarté des rôles dans le cadre du processus de décentralisation ont limité les capacités de surveillance et l’application de règles. Cette étude de cas illustre la complexité de la gestion des eaux souterraines dans un contexte de dépendance accrue des ressources et la nécessité d’améliorer et de maintenir des arrangements participatifs et inclusifs. Afin d’améliorer l’efficacité des contrats de nappes, le Maroc doit continuer la décentralisation de la gestion des eaux souterraines et clarifier les incohérences entre politiques environnementales, agricoles et d’irrigation. De meilleures données pour comprendre et gérer les eaux souterraines de manière intégrée sont également nécessaires, ainsi qu’une surveillance appropriée et des mesures contraignantes qui encouragent la transparence et l’adhésion à la législation existante.El gobierno marroquí ha utilizado los contratos de acuíferos como una herramienta de gestión para controlar el agotamiento de las aguas subterráneas. El primer contrato de acuífero se firmó en 2006 en la región de Souss como un contrato técnico y financiero no vinculante entre las partes interesadas y el gobierno. El contrato contemplaba medidas específicas que se implementarían en la cuenca del Souss Massa-Draa, incluyendo tarifas de agua y la restricción de áreas cultivadas. Este GRIPP Case Profile revisa la evolución de los contratos de acuíferos en Marruecos y el caso concreto del Souss, examinando los diversos desafíos sociales, políticos e institucionales que rodean su aprobación y aplicación. A pesar de su enfoque innovador como plataforma multiusuario para consolidar actividades específicas de gestión de las aguas subterráneas sobre el terreno, el carácter voluntario del contrato de acuífero ha limitado la participación de un número amplio de usuarios. Además, la falta de capacidad institucional y la claridad de funciones dentro del marco del proceso de descentralización en Marruecos prohibían su supervisión y aplicación. Este estudio de caso ilustra la complejidad de la gestión de las aguas subterráneas en un contexto de dependencia de los recursos y la necesidad de mejorar y mantener acuerdos participativos inclusivos. Con el fin de mejorar la eficacia de los contratos de acuíferos, Marruecos necesita consolidar la descentralización de la gestión de las aguas subterráneas y aclarar las incoherencias entre las políticas medioambientales, agricultura y regadío. También se necesitan mejores datos para comprender y gestionar las aguas subterráneas de manera integrada, así como supervisar adecuadamente las medidas vinculantes que fomenten la transparencia y la adhesión a la ley del agua vigente
3D printing of a wood-based furniture element with liquid deposition modeling
No full textLiquid deposition modeling is an energy-efficient, additive manufacturing process for pasty materials. Physical material properties were determined for a water-based paste consisting of the binder carboxymethyl cellulose and wood flour. A continuously operating dual screw extruder was developed, which was used to manufacture a table frame with a height of 18 cm
Entwicklung einer hybriden Künstlichen Intelligenz für die Identifikation und Optimierung von Netzzuständen in elektrischen Verteilungsnetzen
No full textDie Energiewende und die steigende Komplexität durch volatile Einspeisungen und Verbraucher erfordern einen hohen Automatisierungsgrad in den elektrischen Verteilungsnetzen. Neben schnellen und robusten Algorithmen zur Netzzustandsschätzung richtet sich der Fokus immer stärker auf Verfahren zur Behebung und Optimierung normativ unzulässiger Netzzustände. Vor dem Hintergrund des großen Potenzials von Systemen der Künstlichen Intelligenz (KI) wird im Rahmen dieser Arbeit gezeigt, wie die mathematisch-algorithmische Netzberechnung mit Verfahren des maschinellen Lernens kombiniert wird, um als datenbasierter Ansatz Lösungen für die Netzzustandsidentifikation und -optimierung zu entwickeln. Es entsteht eine hybride Künstliche Intelligenz, um einen unbekannten Netzzustand in Stromnetzen zu schätzen, zu berechnen und zu optimieren.
Hierfür konzentriert sich die Arbeit zunächst auf die Generierung relevanter Einspeise- und Lastszenarien, die später im Trainingsprozess der Künstlichen Intelligenz als Trainingsdaten fungieren. Die Qualität der Ergebnisse der entwickelten Verfahren für die Identifikation und Optimierung von Netzzuständen in elektrischen Verteilungsnetzen ist dabei maßgeblich von der Qualität der Trainingsdaten abhängig. Um möglichst realitätsnahe Szenarien abzubilden, erfolgt die Falldatengenerierung u. a. mit Generative Adversarial Networks und realen synthetisierten Messdaten. Generative Adversarial Networks sind in der Lage nahezu jede beliebige Verteilung nachzuahmen und zeichnen sich durch eine hohe Performanz aus.
In einem ersten Schritt erfolgt die Konzeptionierung, Entwicklung und Validierung einer KI-basierten Netzzustandsschätzung unter Berücksichtigung einer geringen Anzahl verfügbarer Messdaten. Bei der zweiten Komponente handelt es sich um eine KI-basierte Lastflussberechnung, die sich sowohl für den Einsatz im Netzbetrieb zur Detektion unzulässiger Netzzustände als auch für den Einsatz in der strategischen Stromnetzplanung eignet. Liegt ein normativ unzulässiger Netzzustand vor, so erfolgt die Behebung der Grenzwertverletzung mit der KI-basierten Netzzustandsoptimierung. Die Trainingsdaten aller Systeme stammen dabei aus der zuvor entwickelten Falldatengenerierung.
Zusammenfassend lässt sich sagen, dass die Entwicklung einer hybriden Künstlichen Intelligenz für elektrische Verteilungsnetze eine zukunftsweisende Technologie darstellt, die das Potenzial hat, die Art und Weise, wie die heutigen Stromnetze betrieben und strategisch geplant werden, grundlegend zu verändern und zu verbessern.:Kurzfassung
Abstract
Vorwort
Symbolverzeichnis und Abkürzungen
1 Einleitung
1.1 Stromnetze im Wandel der Zeit
1.2 Motivation und Zielsetzung
1.3 Lösungsansatz und Vorgehensweise
1.4 Struktur der Arbeit
2 Grundlagen und Stand der Forschung im Stromnetzbetrieb
2.1 Technische und gesetzliche Rahmenbedingungen für den Stromnetzbetrieb
2.1.1 Strombelastbarkeit
2.1.2 Merkmale der Versorgungsspannung
2.1.3 Smart Grid Ampelmodell
2.1.4 Netzengpassmanagement
2.1.5 Gesetzliche Rahmenbedingungen
2.2 Aufbau und Modellierung von Stromnetzen
2.2.1 Struktur und Aufbau elektrischer Netze
2.2.2 Mathematische Modellierung elektrischer Betriebsmittel
2.3 Beobachtbarkeit und Messsysteme
2.4 Grundlagen der Zustandsidentifikation elektrischer Netze
2.4.1 Netzzustandsidentifikation mit überbestimmten Eingangsdaten
2.4.2 Maximum-Likelihood-Estimation
2.4.3 Weighted-Least-Squares Verfahren
2.4.4 Netzzustandsidentifikation mit exakt bestimmten Eingangsdaten
2.4.5 Netzzustandsidentifikation mit unterbestimmten Eingangsdaten
2.5 Optimierung und Steuerung von Stromnetzen
2.5.1 Mathematische Formulierung von Optimierungsproblemen
2.5.2 Lösungsverfahren
2.5.3 Quadratische Programmierung
2.5.4 Innere-Punkte-Verfahren
2.6 Zusammenfassung der Grundlagen
3 Methoden der Künstlichen Intelligenz
3.1 Maschinelles Lernen
3.2 Deep Learning
3.2.1 Die neurowissenschaftliche Basis für KNN
3.2.2 Mathematik künstlicher neuronaler Netze
3.2.3 Convolutional Neural Networks
3.3 Training künstlicher neuronaler Netze
3.3.1 Optimierungsalgorithmen
3.3.2 Hyperparameteroptimierung
3.4 Generative Adversarial Networks
4 Teilsysteme der KI-basierten Netzsimulation
4.1 Gütekriterien und Bewertungsmetrik für die Validierung der Verfahren
4.1.1 Bewertungskriterien zur Beurteilung der Schätzgenauigkeit
4.1.2 Bewertungskriterien zur Beurteilung der Optimierungsgenauigkeit
4.1.3 Validierung der KI-Modelle
4.2 Szenariengenerierung mit Generative Adversarial Networks
4.3 Modellierung der Haushaltslasten
4.3.1 Gemittelte Standardlastprofile
4.3.2 Synthetisierte Lastprofile für Wohngebäude in Deutschland
4.3.3 Probabilistische Lastmodellierung
4.3.4 Das Generative Adversarial Network für Verbraucherlasten
4.4 Modellierung der Photovoltaikeinspeisungen
4.5 Modellierung der Ladevorgänge für Elektrofahrzeuge
4.5.1 Gemittelte Ladeprofile
4.5.2 Probabilistische Ladeprofile
4.6 Modellierung der Wärmepumpen
4.7 Generierung relevanter Einspeise- und Verbrauchsszenarien
4.7.1 Szenariengenerierung mit gemittelten Leistungsprofilen
4.7.2 Szenariengenerierung mit Generative Adversarial Networks
4.7.3 Szenariengenerierung mit Monte-Carlo-Simulationen
4.8 Generierung der Falldaten für das Training der KI-Systeme
4.9 Vorverarbeitung und Bildung der Datensets für den Lernalgorithmus
4.10 Training der künstlichen neuronalen Netze
4.11 Struktur und Aufbau der synthetischen Referenzstromnetzmodelle
4.11.1 Ländliches Niederspannungsnetz
4.11.2 Städtisches Niederspannungsnetz
5 Netzzustandsschätzung mit künstlichen neuronalen Netzen
5.1 Ein- und Ausgaben der KI-basierten Netzzustandsschätzung
5.2 Generierung von Pseudomesswerten
5.3 Training und Test der KI-Modelle
5.4 Validierung der KI-Modelle im Ausführungsmodus
5.5 Vergleich der Ergebnisse mit einem WLS-Algorithmus
5.6 Zusammenfassung
6 Lastflussberechnungen mit künstlichen neuronalen Netzen
6.1 Ein- und Ausgaben der KI-basierten Lastflussberechnung
6.2 Training und Test der KI-Modelle
6.3 Validierung der KI-Modelle im Ausführungsmodus
6.4 Zusammenfassung
7 Netzzustandsoptimierung mit künstlichen neuronalen Netzen
7.1 Ein- und Ausgaben der KI-OPF
7.2 Training und Test der KI-Modelle
7.3 Validierung der KI-Modelle im Ausführungsmodus
7.4 Zusammenfassung
8 Anwendung der KI-basierten Netzsimulation in realen Stromnetzen
8.1 Beschreibung der Feldtestgebiete
8.1.1 Ländliches Feldtestgebiet mit mehreren Ortsnetzstationen
8.1.2 Ländliches Feldtestgebiet mit einer Ortsnetzstation
8.1.3 Städtisches Feldtestgebiet mit einer Ortsnetzstation
8.2 Systemintegration
8.2.1 Beschreibung des Gesamtsystems
8.2.2 Hardwareauswahl
8.2.3 Hybrides IKT-Konzept
8.2.4 Assistenzsystem für die KI-basierte Netzsimulation
8.3 Anwendung des Gesamtsystems im Feldtestgebiet FTG-L-2
8.3.1 KI-basierte Netzzustandsschätzung im Feldtestgebiet FTG-L-2
8.3.2 KI-basierte Lastflussberechnung im Feldtestgebiet FTG-L-2
8.3.3 KI-basierte Netzzustandsoptimierung im Feldtestgebiet FTG-L-2
8.4 KI-basierten Lastflussberechnung im Feldtestgebiet FTG-L-1
8.5 KI-basierte Netzzustandsschätzung im städtischen Feldtestgebiet
9 Zusammenfassung und Ausblick
9.1 Zusammenfassung
9.2 Forschungsausblick und Aspekte für weiterführende Arbeiten
Literaturverzeichnis
Wissenschaftlicher Werdegang
Tabellenverzeichnis
Abbildungsverzeichnis
A Mathematischer Anhang 167
A.1 Gaußsche Normalverteilung
A.2 Messung der Abhängigkeit zweier Merkmale
A.2.1 Der Pearsonsche Korrelationskoeffizient
A.2.2 Regressionsanalyse
A.3 Ansatz der impliziten Linearisierung
A.4 Reshape Layer
B Netzdaten und Leistungsprofile
B.1 Leitungsdaten
B.2 Transformatordaten
B.3 Modellierung elektrischer Betriebsmittel
B.3.1 Drehstromsystem
B.3.2 Netztopologie
B.4 Netzbeschreibende Parameter der betrachteten Stromnetze
B.5 Vergleich der Lastflussberechnungsergebnisse
B.6 Generierung der Leistungsprofile mit einer Monte-Carlo-Simulation
B.7 Leistungsprofile für Verbraucherlasten mit Generative Adversarial Networks
B.8 Beispiele generierter Last- und PV-Profile
B.9 Gemittelte und standardisierte Leistungsprofile
B.10 Gemessene Profile
B.11 Repräsentative elektrische Lastprofile für Einfamilienhäuser in Deutschland
B.12 Temperaturverläufe
C Messsysteme
D Beschreibung der Simulationsumgebung
D.1 Simulationshardware
D.2 Simulationssoftware
D.2.1 ATPDesigner
D.2.2 Matpower
D.2.3 Pandapower
StichwortverzeichnisThe energy transition, along with the increasing complexity caused by volatile feed-ins and fluctuating consumer demands, will necessitate a high level of automation in electrical distribution grids in the future. Beyond fast and robust algorithms for grid state estimation, the focus is shifting towards methods for eliminating and optimizing normatively unacceptable grid conditions. Given the significant potential of artificial intelligence systems, this work demonstrates how mathematical network calculations can be integrated with machine learning techniques to create data-driven solutions for grid state identification and optimization. The result is a hybrid artificial intelligence that possesses the ability to estimate, calculate, and optimize unknown grid states within power distribution grids.
To achieve this, the work first focuses on generating relevant feed-in and load scenarios, which serve as training data for the artificial intelligence (AI) learning process. The accuracy of the developed methods for identifying and optimizing grid states in electrical distribution networks heavily depends on the quality of the training data. To ensure that the scenarios are as realistic as possible, the data is generated using a combination of generative adversarial networks (GANs) and real synthesized measurement data. GANs are highly capable of replicating almost any data distribution and are known for their high performance in this context.
The first step involves the conceptualization, development, and validation of an AI-based grid state estimation that accounts for the limitations of an insufficient measurement infrastructure. The second component is an AI-driven load flow calculation, designed for both real-time grid operation—allowing detection of impermissible grid states—and grid planning purposes. In cases where a power grid operates in an impermissible state, optimization is achieved through the developed AI-based grid state optimization. The training data for all these systems is derived from the previously developed scenario generation process.
In summary, the development of hybrid artificial intelligence for electrical distribution grids represents a pioneering technology with the potential to significantly transform and enhance the operation and strategic planning of modern power distribution systems.:Kurzfassung
Abstract
Vorwort
Symbolverzeichnis und Abkürzungen
1 Einleitung
1.1 Stromnetze im Wandel der Zeit
1.2 Motivation und Zielsetzung
1.3 Lösungsansatz und Vorgehensweise
1.4 Struktur der Arbeit
2 Grundlagen und Stand der Forschung im Stromnetzbetrieb
2.1 Technische und gesetzliche Rahmenbedingungen für den Stromnetzbetrieb
2.1.1 Strombelastbarkeit
2.1.2 Merkmale der Versorgungsspannung
2.1.3 Smart Grid Ampelmodell
2.1.4 Netzengpassmanagement
2.1.5 Gesetzliche Rahmenbedingungen
2.2 Aufbau und Modellierung von Stromnetzen
2.2.1 Struktur und Aufbau elektrischer Netze
2.2.2 Mathematische Modellierung elektrischer Betriebsmittel
2.3 Beobachtbarkeit und Messsysteme
2.4 Grundlagen der Zustandsidentifikation elektrischer Netze
2.4.1 Netzzustandsidentifikation mit überbestimmten Eingangsdaten
2.4.2 Maximum-Likelihood-Estimation
2.4.3 Weighted-Least-Squares Verfahren
2.4.4 Netzzustandsidentifikation mit exakt bestimmten Eingangsdaten
2.4.5 Netzzustandsidentifikation mit unterbestimmten Eingangsdaten
2.5 Optimierung und Steuerung von Stromnetzen
2.5.1 Mathematische Formulierung von Optimierungsproblemen
2.5.2 Lösungsverfahren
2.5.3 Quadratische Programmierung
2.5.4 Innere-Punkte-Verfahren
2.6 Zusammenfassung der Grundlagen
3 Methoden der Künstlichen Intelligenz
3.1 Maschinelles Lernen
3.2 Deep Learning
3.2.1 Die neurowissenschaftliche Basis für KNN
3.2.2 Mathematik künstlicher neuronaler Netze
3.2.3 Convolutional Neural Networks
3.3 Training künstlicher neuronaler Netze
3.3.1 Optimierungsalgorithmen
3.3.2 Hyperparameteroptimierung
3.4 Generative Adversarial Networks
4 Teilsysteme der KI-basierten Netzsimulation
4.1 Gütekriterien und Bewertungsmetrik für die Validierung der Verfahren
4.1.1 Bewertungskriterien zur Beurteilung der Schätzgenauigkeit
4.1.2 Bewertungskriterien zur Beurteilung der Optimierungsgenauigkeit
4.1.3 Validierung der KI-Modelle
4.2 Szenariengenerierung mit Generative Adversarial Networks
4.3 Modellierung der Haushaltslasten
4.3.1 Gemittelte Standardlastprofile
4.3.2 Synthetisierte Lastprofile für Wohngebäude in Deutschland
4.3.3 Probabilistische Lastmodellierung
4.3.4 Das Generative Adversarial Network für Verbraucherlasten
4.4 Modellierung der Photovoltaikeinspeisungen
4.5 Modellierung der Ladevorgänge für Elektrofahrzeuge
4.5.1 Gemittelte Ladeprofile
4.5.2 Probabilistische Ladeprofile
4.6 Modellierung der Wärmepumpen
4.7 Generierung relevanter Einspeise- und Verbrauchsszenarien
4.7.1 Szenariengenerierung mit gemittelten Leistungsprofilen
4.7.2 Szenariengenerierung mit Generative Adversarial Networks
4.7.3 Szenariengenerierung mit Monte-Carlo-Simulationen
4.8 Generierung der Falldaten für das Training der KI-Systeme
4.9 Vorverarbeitung und Bildung der Datensets für den Lernalgorithmus
4.10 Training der künstlichen neuronalen Netze
4.11 Struktur und Aufbau der synthetischen Referenzstromnetzmodelle
4.11.1 Ländliches Niederspannungsnetz
4.11.2 Städtisches Niederspannungsnetz
5 Netzzustandsschätzung mit künstlichen neuronalen Netzen
5.1 Ein- und Ausgaben der KI-basierten Netzzustandsschätzung
5.2 Generierung von Pseudomesswerten
5.3 Training und Test der KI-Modelle
5.4 Validierung der KI-Modelle im Ausführungsmodus
5.5 Vergleich der Ergebnisse mit einem WLS-Algorithmus
5.6 Zusammenfassung
6 Lastflussberechnungen mit künstlichen neuronalen Netzen
6.1 Ein- und Ausgaben der KI-basierten Lastflussberechnung
6.2 Training und Test der KI-Modelle
6.3 Validierung der KI-Modelle im Ausführungsmodus
6.4 Zusammenfassung
7 Netzzustandsoptimierung mit künstlichen neuronalen Netzen
7.1 Ein- und Ausgaben der KI-OPF
7.2 Training und Test der KI-Modelle
7.3 Validierung der KI-Modelle im Ausführungsmodus
7.4 Zusammenfassung
8 Anwendung der KI-basierten Netzsimulation in realen Stromnetzen
8.1 Beschreibung der Feldtestgebiete
8.1.1 Ländliches Feldtestgebiet mit mehreren Ortsnetzstationen
8.1.2 Ländliches Feldtestgebiet mit einer Ortsnetzstation
8.1.3 Städtisches Feldtestgebiet mit einer Ortsnetzstation
8.2 Systemintegration
8.2.1 Beschreibung des Gesamtsystems
8.2.2 Hardwareauswahl
8.2.3 Hybrides IKT-Konzept
8.2.4 Assistenzsystem für die KI-basierte Netzsimulation
8.3 Anwendung des Gesamtsystems im Feldtestgebiet FTG-L-2
8.3.1 KI-basierte Netzzustandsschätzung im Feldtestgebiet FTG-L-2
8.3.2 KI-basierte Lastflussberechnung im Feldtestgebiet FTG-L-2
8.3.3 KI-basierte Netzzustandsoptimierung im Feldtestgebiet FTG-L-2
8.4 KI-basierten Lastflussberechnung im Feldtestgebiet FTG-L-1
8.5 KI-basierte Netzzustandsschätzung im städtischen Feldtestgebiet
9 Zusammenfassung und Ausblick
9.1 Zusammenfassung
9.2 Forschungsausblick und Aspekte für weiterführende Arbeiten
Literaturverzeichnis
Wissenschaftlicher Werdegang
Tabellenverzeichnis
Abbildungsverzeichnis
A Mathematischer Anhang 167
A.1 Gaußsche Normalverteilung
A.2 Messung der Abhängigkeit zweier Merkmale
A.2.1 Der Pearsonsche Korrelationskoeffizient
A.2.2 Regressionsanalyse
A.3 Ansatz der impliziten Linearisierung
A.4 Reshape Layer
B Netzdaten und Leistungsprofile
B.1 Leitungsdaten
B.2 Transformatordaten
B.3 Modellierung elektrischer Betriebsmittel
B.3.1 Drehstromsystem
B.3.2 Netztopologie
B.4 Netzbeschreibende Parameter der betrachteten Stromnetze
B.5 Vergleich der Lastflussberechnungsergebnisse
B.6 Generierung der Leistungsprofile mit einer Monte-Carlo-Simulation
B.7 Leistungsprofile für Verbraucherlasten mit Generative Adversarial Networks
B.8 Beispiele generierter Last- und PV-Profile
B.9 Gemittelte und standardisierte Leistungsprofile
B.10 Gemessene Profile
B.11 Repräsentative elektrische Lastprofile für Einfamilienhäuser in Deutschland
B.12 Temperaturverläufe
C Messsysteme
D Beschreibung der Simulationsumgebung
D.1 Simulationshardware
D.2 Simulationssoftware
D.2.1 ATPDesigner
D.2.2 Matpower
D.2.3 Pandapower
Stichwortverzeichni
Investigations on the Heat Transfer between an Electrical Heating Rod and a Rail for Heated Railway Switch Points
No full textElectrical heating rods are a commonly used application for switch point heating in order to keep switch points free from ice and snow. Clamps made of spring steel usually attach the heating rod to the rail. They are localized at certain positions at a distance from each other. Thermal images showed significant temperature differences on the surface of the heating rod depending on the longitudinal position. That might be an indicator of a varying heat transfer due to a changing joint force applied by the clamps. In order to investigate the correlation between the joint force and the heat transfer between the heating rod and rail, the clamping force of newly manufactured heating rod clamps was measured initially. Therefore, a modified tensile test was used. Applied thermal and mechanical loads over a period of 4000 h could reduce the clamping force by 13%. Finally, the correlation between the heat transfer resistance, the joint force and the surface condition was experimentally determined with a heating test setup. Considering only the clamp area, the specific thermal contact resistance will not change due to a change in the joint force. However, surface preconditioning, such as milling or an application of a thermal-conducting paste, is capable of significantly reducing the thermal contact resistance
Satellitengestütztes Bauwerksmonitoring - Verformungsmessungen an der Großbrücke Schottwien als Demonstrationsprojekt
No full textDie Radarinterferometrie (engl. lnterferometric Synthetic Aperture Radar - lnSAR) ist ein Fernerkundungsverfahren, das Verformungen der Erdoberfläche aus dem Weltraum mit Zentimeter- bis Dezimetergenauigkeit erfasst und in der Erdbeobachtungvielseitig eingesetzt wird. Ein vielversprechendes neues Anwendungsgebiet ist die Verformungsmessung von Brücken, das bisher aufgrund unzureichender Genauigkeit kaum erschlossen war. Forschungssatelliten der ESA erfassen in Zyklen von zwölf bzw. sechs Tagen bei einer Radarwellenlänge von 5,5 cm Erdoberflächenverformungen, die durch lnSAR ausgewertet werden. Dieser Bei trag präsentiert Ergebnisse aus Projekten, die den Einsatz von Satellitendaten zur Brückenüberwachung untersuchen. Das Verfahren nutzt natürliche oder künstliche Reflektoren und optimiert die Genauigkeit durch Temperaturkompensationsmodelle und Phasenausgleichsalgorithmen. An der Großbrücke Schottwien zeigten Messungen eine Abweichung von nur 1,7 mm (Standardabweichung)im Vergleich zum Referenzsystem, einer digitalen Schlauchwaage, und unterstreichen das Potenzial dieser Methodik