Niklas Ebell

Niklas Ebell, M.Sc.

Department Informatik (INF)
Lehrstuhl für Informatik 7 (Rechnernetze und Kommunikationssysteme)

Raum: Raum 06.125
Martensstr. 3
91058 Erlangen

Kurzvita

Niklas Ebell arbeitet dezeit als wissenschaftlicher Mitarbeiter unter der Juniorprofessur für Energieinformatik am Lehrstuhl für Rechnernetze und Kommunikationssysteme. Er strebt eine Promotion im Bereich Energiemanagement an. Auch der Einsatz von Machine Learning im Energiebereich liegt in seinem Aufgabenbereich. Zwischen Abitur und Studium entschied sich Niklas Ebell für einen Freiwilligendienst. Für ein Jahr unterrichtete er das Fach Englisch an einer Grundschule in Thailand. Danach nahm er im Jahr 2010 das Studium der Energietechnik an der Friedrich-Alexander-Universität Erlangen-Nürnberg auf. Nach einem Auslandssemester an der Universidad de San Martin in Buenos Aires (Argentinien) und der Universidad de Buenos Aires fertigte er seine Bachelorarbeit über ein energiewirtschaftliches Konzept zur Einbindung einer KWK-Anlage in das vorhandene industrielle Energieversorgungssystem des Standorts Nürnberg der Robert Bosch GmbH an. Danach studierte er weiter an der FAU im Schwerpunkt „Verfahrenstechnik der Energiewandlung“ im Masterstudiengang Energietechnik. Seine Masterarbeit trägt den Titel „Abbildung einer Power2Gas-Anlage mit SOFC in einem linearen Optimierungsmodell zur wirtschaftlichen Bewertung der Energieversorgung von Gebäuden“. Ehrenamtlich engagiert sich Niklas Ebell als Finanzvorstand bei der studentichen Elterninitiative KraKadU e.V., sowie der Fahrrad-Selbsthilfewerkstatt im E-Werk Erlangen.

Weitere Informationen

2021

2019

2018

2017

  • Steuerung von Energiesystemen auf Basis selbstlernender Algorithmen

    (Projekt aus Eigenmitteln)

    Laufzeit: seit 2017-05-16
    Abstract
    Der weltweite Ausbau dezentraler Kraftwerke, wie beispielsweise Photovoltaik und Windkraft, führt dazu, dass die Erzeugung von elektrischer Energie stark vom fluktuierenden Angebot erneuerbarer Energiequellen abhängt. Im Projekt „Steuerung von Energiesystemen auf Basis selbstlernender Algorithmen“ sollen neue selbstlernende Steuerungsalgorithmen für Energiesysteme untersucht und mit klassischen Steuerungsalgorithmen verglichen werden. Eine in Python programmierte Umgebung soll es ermöglichen mehrere selbstlernende Agenten zu erzeugen und in einer gemeinsamen Umgebung zu simulieren.

    In einem weiteren Schritt werden weitere Komponenten wie z.B. Elektroladestationen in die Umgebung integriert werden, um dem Einfluss der Elektromobilität auf elektrische Energiesysteme Rechnung zu tragen.