TY - JOUR A1 - Grote, Wolfgang A1 - Kastsian, Darya A1 - Mönnigmann, Martin T1 - Guaranteed stability in optimal power generation dispatching under uncertainty JF - IEEE Transactions on Power Systems N2 - Stability and cost optimality of power generation and supply systems must not be considered independently from one another. Simple examples show that optimizing cost without considering stability may result in modes of operation that, while economically optimal, are unstable. We demonstrate that stability, robustness, and optimality can be considered systematically and simultaneously by combining bifurcation theory and nonlinear optimization. Essentially, the proposed method enforces a backoff distance between the optimal point of operation and operational or stability boundaries in the space of the optimization variables, where bifurcation theory is used to describe nonlinear stability boundaries. KW - Normal vector method KW - Power dispatch KW - Robust optimization KW - Stability KW - Unit commitment Y1 - 2013 U6 - https://doi.org/10.1109/TPWRS.2012.2207970 SN - 1558-0679 VL - 28 IS - 2 SP - 1103 EP - 1112 PB - IEEE ER - TY - PAT A1 - Meuter, Mirko Nicolas A1 - Nunn, Christian Markus A1 - Müller, Dennis A1 - Görmer, Steffen M. T1 - Objektverfolgungsverfahren für ein Kamerabasiertes Fahrerassistenzsystem N2 - Die Erfindung betrifft ein Objektverfolgungsverfahren für ein kamerabasiertes Fahrerassistenzsystem, welches eine in einem eigenen Fahrzeug installierte und in Fahrtrichtung ausgerichtete Kamera zur Aufnahme von Bildern einer in Fahrtrichtung vor dem eigenen Fahrzeug liegenden Fahrzeugumgebung aufweist, mit den Schritten, dass ein ein vorausfahrendes Fahrzeug darstellendes Objekt in einem von der Kamera aufgenommenen Bild detektiert wird und ein Mittelwert und eine Kovarianzmatrix für den aktuellen Zustand des vorausfahrenden Fahrzeugs mittels eines erweiterten Kalman Filters aus der Position und Breite des Objekts in dem Bild geschätzt wird. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002562681A1&xxxfull=1 ER - TY - PAT A1 - Müller, Dennis A1 - Meuter, Mirko Nicolas A1 - Görmer, Steffen Michael A1 - Nunn, Christian Markus A1 - Gavriilidis, Alexandros T1 - Verfahren zur Erkennung von Funktionsfehlern einer Multisensoranordnung N2 - Bei einem Verfahren zur Erkennung von Funktionsfehlern eines oder mehrerer Sensoren einer der Überwachung einer Fahrzeugumgebung dienenden Multisensoranordnung (10) eines Fahrzeugassistenzsystems (12) wird auf der Basis von Informationen aus einer für eine vereinheitlichte Erfassung der aktuellen Fahrzeugumgebung durchgeführten Datenfusion der von den Sensoren der Multisensoranordnung (10) erhaltenen Daten wenigstens eine aktuelle Leistungsgröße der Multisensoranordnung (10) ermittelt. Die ermittelte aktuelle Leistungsgröße wird mit einer entsprechenden, für die fehlerfreie Multisensoranordnung (10) erwarteten Leistungsgröße verglichen. Eine Entscheidung darüber, ob ein Funktionsfehler des bzw. der betreffenden Sensoren der Multisensoranordnung (10) vorliegt oder nicht, wird in Abhängigkeit vom Ergebnis des Vergleichs der auf der Basis der Informationen aus der Sensordatenfusion ermittelten aktuellen Leistungsgröße mit der erwarteten Leistungsgröße der Multisensoranordnung (10) getroffen. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002604478A1&xxxfull=1 ER - TY - PAT A1 - Müller, Dennis A1 - Nunn, Christian Markus A1 - Meuter, Mirko Nicolas A1 - Görmer, Steffen T1 - Verfahren zur Erfassung und Bestätigung kritischer Fahrsituationen N2 - Es wird ein Verfahren zur Erfassung und Bestätigung kritischer Fahrsituationen angegeben, beidem ein insbesondere vor einem Fahrzeug befindliches Objekt mittels mehrerer unabhängiger, dem Fahrzeug zugeordneter Sensoreinheiten überwacht wird, die von den Sensoreinheiten gelieferten Signale jeweils als Sensorsignal in Form einer diskretisierten Wahrscheinlichkeitsdichtefunktion der betreffenden physikalischen Messgröße über ein definiertes Intervall [0, MAX] bereitgestellt werden, die verschiedenen Sensorsignale zu einem einzigen, ebenfalls die Form einer Wahrscheinlichkeitsdichtefunktion der betreffenden Messgröße aufweisenden Endsignal kombiniert werden und mittels eines lernenden Klassifizierers anhand des kombinierten Endsignal eine endgültige Bewertung der aktuellen Fahrsituation vorgenommen wird. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002549294A1&xxxfull=1 ER - TY - PAT A1 - Nunn, Christian Markus A1 - Meuter, Mirko Nicolas A1 - Müller, Dennis A1 - Görmer, Steffen T1 - Verfahren zum Erkennen und Verfolgen von Fahrspurmarkierungen N2 - Bei einem Verfahren zum Erkennen und Verfolgen von Fahrspurmarkierungen von einem Kraftfahrzeug aus wird mittels einer Bilderfassungseinrichtung in regelmäßigen Zeitabständen ein Bild eines vor dem Kraftfahrzeug befindlichen Verkehrsraumes erfasst. In dem erfassten Bild werden diejenigen Bildbereiche als erkannte Fahrspurmarkierungen identifiziert, welche ein vorgegebenes Erkennungskriterium erfüllen. Wenigstens eine erkannte Fahrspurmarkierung wird als zu verfolgende Fahrspurmarkierung einem Tracking-Prozess unterzogen. Es wird für jede erkannte Fahrspurmarkierung wenigstens ein Prüfbereich im Bild definiert. Anhand von Intensitätswerten der dem Prüfbereich zugehörigen Bildpunkte wird wenigstens eine Kenngröße ermittelt. In Abhängigkeit von der Kenngröße wird die erkannte Fahrspurmarkierung einer von mehreren Fahrspurmarkierungs-Klassen zugeordnet. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002629243A1&xxxfull=1 ER - TY - PAT A1 - Nunn, Christian Markus A1 - Meuter, Mirko Nicolas A1 - Müller, Dennis A1 - Görmer, Steffen T1 - Verfahren zur Detektion und Klassifikation von Objekten N2 - Bei einem Verfahren zur Detektion und Klassifikation von Objekten wie insbesondere Fahrbahnmarkierungen[AB_DE] ausgehend von einem Bild der Umgebung im Sichtbereich einer insbesondere einem Fahrzeug zugeordneten Bildaufnahmeeinrichtung wird für eine anfängliche Detektion von Objektkandidaten eine schnelle Hough-Transformation ausgeführt, bei der zur Bestimmung einer jeweiligen Votierstelle im Hough-Raum die Gradientenrichtung von ermittelten Kantenpunkten herangezogen wird. Zur Klassifikation der Objektkandidaten und zur Akkumulation zusätzlicher Merkmale wird als Hough-Raum ein zusätzliche Ebenen umfassender Raum verwendet. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002549408A1&xxxfull=1 ER - TY - CHAP A1 - Strygulec, Sarah A1 - Müller, Dennis A1 - Meuter, Mirko A1 - Nunn, Christian A1 - Ghosh, Shamila A1 - Wöhler, Christian T1 - Road boundary detection and tracking using monochrome camera images T2 - 2013 16th International Conference on Information Fusion (FUSION) Y1 - 2013 SN - 978-605-86311-1-3 SP - 864 EP - 870 PB - IEEE ER - TY - JOUR A1 - Echternacht, David A1 - Linnemann, Christian A1 - Drees, Tim A1 - Breuer, Christopher A1 - Moser, Albert T1 - Wechselwirkungen zwischen Druckluftspeichern und Netzengpässen in zukünftigen Energiesystemen JF - Solarzeitalter : Politik, Kultur und Ökonomie erneuerbarer Energien Y1 - 2013 VL - 25 IS - 1 SP - 54 EP - 59 PB - EUROSOLAR Verl. ER - TY - CHAP A1 - Echternacht, David A1 - Fellhauer, W. A1 - Geulen, Uwe A1 - Schrieder, Werner A1 - Zimmer, Peter T1 - Smart Area Aachen - State Estimation in Distribution Grids T2 - Worls Smart Grid Forum 2013, Berlin, 23-25 September 2013 Y1 - 2013 SP - 1 EP - 6 CY - Berlin ER - TY - CHAP A1 - Echternacht, David A1 - Heuberger, Daniel A1 - Breuer, Christopher A1 - Linnemann, Christian A1 - Moser, Albert T1 - Advantageous positions for HVDC terminals in Europe T2 - 2013 IEEE Energytech, 21.05.2013 - 23.05.2013, Cleveland Y1 - 2013 UR - http://ieeexplore.ieee.org/document/6645291/ SN - 978-1-4673-4444-9 U6 - https://doi.org/10.1109/EnergyTech.2013.6645291 SP - 1 EP - 5 PB - IEEE ER -