Logo des Repositoriums

Auflistung nach Autor:in "Braun, Martin"

1 - 2 von 2
  • Konferenzbeitrag
    Entwicklung eines Mixed-Mock-Up Simulators für arbeitswissenschaftliche Untersuchungen
    (Mensch & Computer 2003: Interaktion in Bewegung, 2003) Hagenmeyer, Lorenz; Braun, Martin; Haselberger, Frank
    Ziel der Arbeit ist die Entwicklung eines Mixed-Mock-Up-Simulators sowie der Nachweis, dass eine solche Vorrichtung die realitätsnahe Simulation eines Arbeitssystems unter Einbeziehung des Menschen mit seiner Wahrnehmung, seinen Reaktionen und Handlungsweisen ermöglicht. Es wird eine Einführung in Inhalte der Arbeitsforschung sowie ein Überblick über VR-Technologien gegeben. Daraufhin wird die Entwicklung eines Versuchsaufbaus mit Mixed-Mock-Up-Ansatz am Beispiel eines Hallenkranes vorgestellt. Schließlich werden die Ergebnisse einer auf diesem Versuchsstand durchgeführten Untersuchung vorgestellt und diskutiert. Es wird aufgezeigt, wie der Mensch mit seiner Wahrnehmung und seinen Reaktionen bzw. Handlungsweisen in eine rechnergestützte Simulation eines Arbeitssystems eingebunden werden kann.
  • Konferenzbeitrag
    Training of Artificial Neural Networks Based on Feed-in Time Series of Photovoltaics and Wind Power for Active and Reactive Power Monitoring in Medium-Voltage Grids
    (INFORMATIK 2019: 50 Jahre Gesellschaft für Informatik – Informatik für Gesellschaft, 2019) Dipp, Marcel; Menke, Jan-Hendrik; Wende - von Berg, Sebastian; Braun, Martin
    Today, there is already a significant injection of renewable energies at the medium-voltage level, which requires the use of reliable monitoring methods. In addition to tracking electrical parameters such as line current or bus voltage magnitudes, precise knowledge of the active and reactive power feed-in is becoming increasingly relevant in order to provide the necessary information for optimization strategies at higher voltage levels. For this reason, we have developed a method to monitor the active and reactive power for the medium-voltage level with very low measurement density, which is based on artificial neural networks (ANN). The actual training of ANN is accomplished with photovoltaics (PV) and wind feed-in time series based on real weather data to ensure realistic monitoring of the injection. The presented method is applied to a German medium-voltage grid to evaluate the estimation accuracy.