Schaltzustandsoptimierung von 110-kV-Verteilnetzen zur Maximierung des Abtransports von Einspeisungen aus erneuerbaren Energiequellen (Dr. Jörg Scheel, 2018)
In der Doktorarbeit wird ein neuartiges Partikel-Schwarm-Optimierungsverfahren auf die Schaltzustandsoptimierung von 110-kV-Verteilnetzen mit dem Ziel adaptiert, die Einspeisung regenerativer Erzeugungsanlagen zu maximieren. Es wurde gezeigt, dass durch die Optimierung des Schaltzustandes von Bestandsnetzen die abtransportierte Energiemenge erheblich gesteigert und die abzureglende Energie im Rahmen von Einspeisemanagementmaßnahmen signifikant gesenkt werden kann. Darüber hinaus wurde der Nachweis von weiteren Netznormalschaltzuständen erbracht, die über den Zeitraum eines Jahres einerseits die maximale Einspeisung aus EEG-Anlagen und andererseits einen Betrieb unter minimalen Netzverlusten gewährleistet (Abstract).
Betreuer:
Prof. Dr.-Ing. Dirk Westermann (TU Ilmenau) ; Prof. Dr.-Ing. Ramzi Dib (THM); Dr.-Ing. Frank Wirtz (Bayernwerk)
Autonomous Quality of Service Management and Policing in Unmanaged Local Area Networks (Dr. Christopher Köhnen, 2016)
In der Doktorarbeit wurde ein neuartiges Verfahren entwickelt und untersucht, mit dem Netzwerk-Ressourcen (Bandbreite) ohne Unterstützung des Netzwerks selbst, nur durch Geräte-Kollaboration, vollautomatisch reserviert werden können, um die Übertragungsparameter wichtiger Echtzeit-Datenströme zu verbessern (Abstract).
Analysis of Bandwidth Attacks in a Bittorrent Swarm (Dr. Florian Adamsky, 2016)
In der Doktorarbeit wird eine experimentelle Untersuchung von verschiedenen Bandbreite-Angriffen gegen das peer-to-peer (P2P) file-sharing Protokoll BitTorrent präsentiert. Es wurde gezeigt, dass dieses Protokoll nicht genügend abgesichert ist gegen solche Angriffsformen. Zusätzlich wurden neue Sicherheitsmechanismen für solche Angriffe entwickelt, die teilweise in das Protokoll integriert wurden (Abstract).
A Dynamic Multi-Algorithm Collaborative-Filtering System (Christian Überall, PhD, 2012)
Im Zuge der Dissertation wurde ein Empfehlungssystem inklusive neuer mathematischer Formeln entwickelt, welches auf Basis der Datengrundlage dynamisch die Formel für die Berechnung auswählt. Mit Hilfe der dynamischen Selektion der bestgeeigneten mathematischen Formel konnte gegenüber von herkömmlichen Empfehlungssystemen die Genauigkeit der Vorhersagen signifikant gesteigert werden (Abstract).