Timon Conrad

Forschungsschwerpunkte:

• Netzschutz unter Anwendung von KI-Methoden
• Engpass- & Störungsmanagement mit ML-Methoden
• Automatisierte Erzeugung von Trainingsdaten u.a. mit PowerFactory über die Python API

Lehrstuhltätigkeiten:

• Übungsleiter für „Regenerative Energiesysteme“ (RES) WiSe 2024 & WiSe 2025
• Übungsleiter für "Thermische Kraftwerke" (TKW) SoSe 2024 & SoSe 2025 & SoSe 2026
• Ansprechpartner für "Arbeitstechnik" (AT) WiSe 2026
• Forschungsprojekte mit Industriepartnern
• EES-Exkursion 2024
• GridAssist

Offene Seminar-, Bachelor- und Masterarbeiten und Forschungspraktikas:

• (M) Vergleich von Lichtbogenmodellen in Zeitbereichssimulationen
• Masterarbeit-Themen können auch vereinfacht als Bachelorarbeitsthemen ausgegeben werden
• Motivierte Studenten können sich auch gerne mit eigenen Themen per Mail melden.

Vergebene Seminar-, Bachelor- und Masterarbeiten und Forschungspraktikas:

• (S) Kuratives Engpassmanagement im Störungsfall
• (S) Herausforderungen bei der Umsetzung von Redispatch-Prozessen
• (FP) Entstörungsmanagement im Verteilnetz mittels Reinforcement Learning
• (FP) Verfahren zur Netzmodellanonymisierung
• (M) Entwicklung eines KI-gestützten Kommunikationsagenten zur Simulation von Netzszenarien
• (M) Machine Learning-Based Prediction of Protection Parameter for Adaptive Protection Systems

Abgeschlossene Seminar-, Bachelor- und Masterarbeiten und Forschungspraktikas:

• (S) Herausforderungen in Niederspannungsnetzen im Kontext moderner Energieversorgung
• (S) Auswirkungen der Energiewende auf die Niederspannungsnetze
• (S) Überblick über KI-basierte Anwendungen in elektrischen Energiesystemen
• (S) Grundlagen der Quantenphysik
• (S) Störungsmanagement in Mittel- und Hochspannungsnetzen 
• (S) Engpassmanagement in Mittel- und Hochspannungsnetzen
• (FP) Potenzialanalyse von KI-Methoden zur Optimierung des Netzengpassmanagements
• (B)Parameterüberprüfung in Niederspannungsnetzen mithilfe von Smartmeter-Daten 
• (M)Erstellen eines Rechenmodells für einen Petersen-Spulen-Regler mit Stromeinspeisung
• (M) Anwendung von Particle Swarm Optimization zur Optimierung des Netzengpassmanagement
• (M) A comparative study of Edge, Fog and Cloud architectures for VCB monitoring from a Federated Learning perspective

Veröffentlichungen: