Σχέδιο/Πρωτόκολλο Διαχείρισης Πιθανά Ύποπτου ή Επιβεβαιωμένου Κρούσματος COVID-19.
Υγειονομικοί υπεύθυνοι τμήματος: Αντώνιος Μορώνης, Δημήτριος Καλύβας

Σχέδιο/Πρωτόκολλο Διαχείρισης Πιθανά Ύποπτου ή Επιβεβαιωμένου Κρούσματος COVID-19.
Υγειονομικοί υπεύθυνοι τμήματος: Αντώνιος Μορώνης, Δημήτριος Καλύβας

previous arrowprevious arrow
next arrownext arrow
Slider

"Error metering techniques in electricity meters with emphasis on smart grids"

Switching from the conventional Power System to Smart Grids is now a fact. Modern Power Systems have begun to incorporate a variety of digital technologies and new electromechanical systems into production, transmission, distribution and consumption of Electricity. Networks that achieve and less environmentally-friendly operation using the above technologies are characterized as Smart Grids. In this dissertation, initially, an overview of the bibliography for smart meters will be made. Then, measurements and tests will be undertaken to create a circuit-like model of a smart meter. Finally, applications that detect and encounter errors on smart meters will be developed.

"Τεχνικές αντιμετώπισης Σφαλμάτων σε Μετρητές Ηλεκτρικής Ενέργειας με έμφαση στα Ευφυή Δίκτυα"

 

Η μετάβαση από το συμβατικό Σύστημα Ηλεκτρικής Ενέργειας στα Ευφυή Ηλεκτρικά Δίκτυα είναι πλέον γεγονός. Τα σύγχρονα Συστήματα Ηλεκτρικής Ενέργειας έχουν αρχίσει να ενσωματώνουν πλήθος ψηφιακών τεχνολογιών και νέων ηλεκτρομηχανολογικών συστημάτων στην παραγωγή, στην μεταφορά στην διανομή και στην κατανάλωση της Ηλεκτρικής Ενέργειας. Τα δίκτυα που επιτυγχάνουν την πιο αξιόπιστη, πιο αποδοτική και με λιγότερες περιβαλλοντικές επιπτώσεις λειτουργία τους αξιοποιώντας τις παραπάνω τεχνολογίες, χαρακτηρίζονται ως Ευφυή Ηλεκτρικά Δίκτυα. Στην διατριβή αυτή, αρχικά, θα γίνει μια επισκόπηση της βιβλιογραφίας για τους έξυπνους μετρητές. Στην συνέχεια, θα γίνουν μετρήσεις και δοκιμές με σκοπό την δημιουργία ενός κυκλωματικού ισοδύναμου μοντέλου ενός έξυπνου μετρητή ηλεκτρικής ενέργειας. Τέλος, θα αναπτυχθούν εφαρμογές που θα εντοπίζουν και αντιμετωπίζουν σφάλματα στους έξυπνους μετρητές.

"Μετρητικές Διατάξεις-Εκπαίδευση σε Μηχανικούς"

Η εκπαιδευτική διαδικασία και οι τρόποι διδασκαλίας είναι θέματα που απασχολούν έντονα την εκπαιδευτική κοινότητα.  Η πολυπλοκότητα και οι πολλαπλές διαστάσεις τους, συνδέονται με διάφορα ζητήματα και γι’ αυτό βρίσκονται πάντοτε στην επικαιρότητα προκαλώντας ποικίλες συζητήσεις και απασχολώντας, συστηματικά, πολλούς ειδικούς τα τελευταία χρόνια. Στην προτεινόμενη διατριβή, αρχικά, θα πραγματοποιηθεί μια βιβλιογραφική έρευνα που αφορά τον τρόπο προσέγγισης διδασκαλίας του κάθε εκπαιδευτικού. Στην συνέχεια,  θα πραγματοποιηθεί μία σύγκριση εκπαιδευτικών μεθόδων οι οποίες έχουν ήδη εφαρμοστεί στο θεσμοθετημένο εργαστήριο Ηλεκτρικών Κυκλωμάτων και Μετρήσεων Ισχύος και θα προταθούν εναλλακτικές μέθοδοι διδασκαλίας. Τέλος, θα δοθεί και μία κοινωνιολογική προσέγγιση της εκπαίδευσης λαμβάνοντας υπόψη διάφορους παράγοντες οι οποίοι μπορούν να την επηρεάσουν.

"Measuring devices - Training for engineers"

The educational process and ways of teaching are issues that are of great concern to the educational community. Their complexity and their multiple dimensions are linked to various issues and that is why they are always in the news, causing a variety of discussions and systematically employing many experts in recent years. In the proposed dissertation, initially, a bibliographic research will be carried out on how teachers approach the teaching. Next, a comparison of educational methods which has already been applied to the established Laboratory of Electrical Circuits and Power Measurements will be carried out, and alternative teaching methods will be proposed. Finally, there will be a sociological approach to education taking into account several factors that can influence it.

"Development of computational intelligence methods with emphasis on adaptive techniques for big data"

 

The objective of this dissertation is the development of computational intelligence methods with increased efficiency, in order to be able to deal with large-scale data; emphasis will be given on neural network training algorithms. Big Data analytics is increasingly receiving attention and importance, as it holds unique promises, but on the other hand, it is characterized by numerous computational and statistical challenges. The improvement and further development of conventional and non-conventional methods, together with the corresponding adaptive algorithms will be crucial for the proper management of large-scale data. The produced models will be tested on large-scale data, coming from various scientific areas, in order to evaluate their ability to handle Big Data challenges, aiming at both statistical accuracy and computational efficiency for real-world applications.

home page buttons

Ανακοινώσεις

  1. Γραμματείας
  2. Μαθημάτων
  3. Προκηρύξεις
  4. Πρακτικής Άσκησης
next
prev

el_menu