Abgeschlossene Arbeiten
Kontaktperson für Abschlussarbeiten
Thomas Wolgast
Abgeschlossene Arbeiten
2024
- Embedding of Scientific Publications with Machine Learning, Masterarbeit, Melchior Schilewa
- Predictive Maintenance in einer realen Serverumgebung mittels Transformer
- Comparison of Reinforcement Learning Algorithms for the Optimal Power Flow Problem, Masterarbeit, Lorenz Mumm
- Entwicklung einer Gebotsstrategie mittels Reinforcement Learning: Eine Untersuchung am Day-Ahead- und Primärregelleistungsmarkt
2023
- Modellierung und Simulation Digitaler Zwillinge in der Formel 1
- Entwicklung einer digitalen Version des Serious Game-Brettspiels ”Changing the Game"
- Development of a community-driven platform for open scientific publishing and open review
- Entwicklung eines Metadatenschemas für Energieforschungsszenarien
- Entwicklung und Analyse einer KI-unterstützen Energy Spotmarkt Simulation
- Developing a Self-Organised Energy Management System for Micro Grids
- Vergleich von Ontologien in der Energieforschung, Masterarbeit, Alexandro Steinert
- Vergleich von Reinforcement Learning und Supervised Learning in einem Deep Learning Modell auf das Optimal Power Flow Problem, Bachelorarbeit, Keno Ortmann
- Applying reinforcement learning to electric power auction bidding in a modular multi-agent co-simulation.
- Metheuristische Verfahren für den verteilten Betrieb von Multi-Energie-Systemen
2022
- Deep Reinforcement Learning für komplexe Optimal Power Flow Probleme
- Generierung randomisierter Trainingsdaten für Machine-Learning-Verfahren in Energiesystemen
- Fine-Grained Visual Categorization von Vögeln auf Bildern mittels Deep Learning
- Vergleich lernender Ansätze für die verteilte Anomalieerkennung in agentenbasierten cyber-physischen Energiesystemen, Masterarbeit, Julia Heiken
- Unterstützte Erstellung von FAIRen Metadaten für Energiedaten
- Evaluation von Multi-Agent-Learning in Unity-ML-Agents
- Approximating bidding behavior on the electricity market with multi-agent deep reinforcement learning
- Evaluation von Deep Learning basierenden Algorithmen zur Anomalieerkennung in CPES
- Vergleich von Deep Reinforcement Learning Algorithmen zur Optimierung von Energiesystemen
- Effective constraint satisfaction for Deep Reinforcement Learning approaches to Optimal Power Flow problems, Bachelorarbeit, Fenno Boomgaarden
- Evaluation des Multilevel Immune Learning Algorithmus zur Erkennung von Anomalien in Cyber-Physischen Energiesystemen
- Anomalieerkennung in Server-Logdaten
- Literaturanalyse, Modellierung und Evaluation von Faults in Cyber-physischen Energiesystemen, Bachelorarbeit, Malte Südema
- Automatisierte Erstellung von technischen Forschungssoftware-Metadaten aus einem Gitlab-Repository
- Der erste Schritt zur Wärmewende: Eine Datenmodellierung der Wärmeversorgung und des Wärmeverbrauchs der Universität Oldenburg
- Literaturrecherche: Energieforschungssoftwaretypen
- Optimal Power Flow mit modellbasiertem Deep Reinforcement Learning
- Eine zerfallende Marktplattform für hierarchische Regelleistungsauktionen
- Datenverschneidungen aus heterogenen Datenquellen in virtuellen Forschungsumgebungen am Rechenzentrum des Alfred-Wegener-Instituts
2021
- Automatisierte Anomaliedetektion mittels maschinellem Lernen: Ein Performanzvergleich auf Stromverbrauchsdaten industrieller Betriebe
- Untersuchung und Charakterisierung von Energieforschungssoftware anhand der FAIR-Kriterien
- Automatisierte Datenqualitätssicherung für die Direktvermarktung erneuerbarer Energien
- Erstellung einer web-basierten Lernsoftware für das PrometheeVerfahren
- Entwicklung eines Observers zur Anomalieerkennung in agentenbasierten cyber-physischen Energiesystemen
- Implementierung eines verteilten Regelleistungsmarktes: Spieltheoretische und agentenbasierte Modellierung, Masterarbeit, Gesa Ohlendorf*
- Analyse von Modellen zur unifizierten Abbildung der operationalen Flexibilität unterschiedlicher Anlagentypen in Energiesystemen, Masterarbeit, Jonathan Brandt*
- Untersuchung und Charakterisierung von Marktdaten verschiedener Energiemärkte anhand des FAIR-Prinzips
- Data Augmentation von Trainingsdatensätzen für Machine-Learning-Verfahren in Energiesystemen
- Entwicklung eines Netz-übergreifenden Blindleistungsmarktes, Masterarbeit, Jan Bozionek*
- Ein Formulargenerator für Stud.IP zur Digitalisierung von Vorgängen bei dem Prüfungsamt
- Stud.IP-Tool zur Erstellung von Modulbeschreibungen
- Entwicklung eines Stud.IP-Plugins zur Verwaltung von Modulteilleistungen
- Entwicklung eines Stud.IP-Plugins zur Themenverwaltung von Abschlussarbeiten
* Die Arbeit wurde in der Zeit des Umzugs der Gruppe von der LUH zur UOL geschrieben