Energieprognose und Steuerungsmethoden für Energiespeichersysteme in Verteilungsnetzen (PDF)

Professor William Holderbaum war an der University of Glasgow, der University of Reading und der Manchester Metropolitan University tätig und hat derzeit den Status eines Professors für Regelungstechnik an der Aston University im Vereinigten Königreich inne. Er hat in der Forschung eine führende Rolle gespielt und sich dabei einen sehr guten internationalen Ruf erworben sowie eine umfangreiche Liste von Veröffentlichungen und Doktorarbeiten betreut. Im Laufe der Jahre hat er sein Fachwissen im Bereich der Regelungstechnik auf verschiedene Anwendungen angewandt, insbesondere auf die Rehabilitationstechnik und die Energieübertragung, die Speicherung elektrischer Systeme und die Stromversorgungssysteme. Professor Holderbaum war am Thames Valley Vision (TVV)-Projekt beteiligt, einem 30 Millionen Pfund schweren Projekt des Low Carbon Network Fund. Ziel des Projekts ist es, Verteilernetzbetreiber im Vereinigten Königreich bei der Vorbereitung auf die künftige kohlenstoffarme Wirtschaft zu unterstützen, indem verschiedene technische und betriebliche Lösungen getestet werden. Eine der Hauptaufgaben des TVV ist die intelligente Steuerung von Speichergeräten für eine Reihe von Anwendungen, darunter die Reduzierung der Spitzennachfrage, die Spannungssteuerung und der Phasenausgleich. Darüber hinaus leitete Professor William Holderbaum ein von der EU finanziertes Projekt mit dem Titel "Delivering Sustainable Energy Solutions to Ports" (Bereitstellung nachhaltiger Energielösungen für Häfen), das auf die Verringerung der Treibhausgasemissionen in Häfen abzielt. Dabei wurden die Energieflüsse in Häfen analysiert, um schließlich innovative Steuerungstechniken zur Verringerung des Kraftstoffverbrauchs und zur Energierückgewinnung durch Energiespeicher zu entwickeln.
Dr. Feras Alasali ist Assistenzprofessor im Fachbereich Elektrotechnik an der Hashemite University, Jordanien, und verfügt über mehr als fünf Jahre Erfahrung mit optimalen und prädiktiven Kontrollmodellen für