Mohammed A.
Datenwissenschaftler & Energieberater
Erfahrungen
Datenwissenschaftler & Energieberater
Accenture GmbH
Datenwissenschaftler & Energieberater
umlaut energy GmbH
Wissenschaftliche Hilfskraft
IPL- TU Dortmund
Prädiktive Risikoanalyse für einen Verteilnetzbetreiber
Distribution System Operator
Entwicklung eines ausgeklügelten LSTM-Deep-Learning-Algorithmus zur Prognose von Risiken für kritische Anlagen eines Verteilnetzbetreibers.
Das Projekt ermöglichte den Wechsel von reaktiver zu vorausschauender Wartung, verringerte Ausfallzeiten der Anlagen erheblich und gab dem Kundenpersonal ausreichend Zeit, Gegenmaßnahmen vor einem prognostizierten Risiko zu ergreifen.
- Feature Engineering, Vorverarbeitung und Modellierung von Sensordaten (Energiedaten, Wetterdaten)
- Python/PyTorch (LSTM, Scikit-Learn)
GUI zur Simulation der Frequenzstabilität im europäischen Netz
European Grid Operator
Entwicklung einer maßgeschneiderten, Python-basierten grafischen Benutzeroberfläche (GUI) zur Simulation und Analyse von Frequenzinstabilitäten bei Netztrennungen im europäischen Übertragungsnetz unter verschiedenen Erzeugungs- und Lastszenarien.
Steigerung der Netzbetriebsbereitschaft durch die Entwicklung einer interaktiven Simulationsplattform zur Visualisierung der Frequenzreaktion separierter Netzbereiche. Sie ermöglichte es den Ingenieurteams, verschiedene Trennszenarien zu modellieren, besonders anfällige Konfigurationen zu identifizieren und die dynamischen Auswirkungen auf die Systemfrequenz zu bewerten.
- Python (wx für GUI)
- Simulation der Frequenzstabilität
- Modellierung von Energiesystemen
- Szenariobasierte Netztrennung
Deep-Learning-gestützter Ansatz für Online-Clustering und kontrollierte Inselbildung in Übertragungsnetzen
Information Processing Lab, TU Dortmund
Entwicklung eines Echtzeit-, datenbasierten Frameworks für kontrollierte Inselbildung (CI) in Energiesystemen, um großflächige Stromausfälle zu verringern. Die Lösung integriert Systemüberwachung, Online-Stabilitätsbewertung und die Erzeugung optimierter Inselbildungsstrategien mittels eingeschränktem Spektral-Clustering und Deep-Learning-Unterstützung.
Die Forschung und Entwicklung, untermauert durch entsprechende Veröffentlichungen, zielte auf das komplexe Vorhaben der absichtlichen kontrollierten Inselbildung, um großflächige Stromausfälle zu verhindern oder abzuschwächen. Die Wirksamkeit des Ansatzes wurde durch dynamische RMS-Simulationen und anschließende Ergebnisauswertungen nachgewiesen, um eine schnelle und zuverlässige Aufteilung von Energiesystemen bei starken Störungen zu ermöglichen. Geliefert wurden präzise Online-Stabilitätsüberwachung, verringerte Rechenzeiten und Unterstützung der Echtzeit-Entscheidungsfindung von Operateuren durch priorisierte Empfehlungen für Aufteilungsstrategien.
- Kontrollierte Inselbildung
- Deep Learning
- Eingeschränktes Spektral-Clustering und k-Harmonische Mittel-Clustering
- Stabilitätsindikatoren von Energiesystemen
- Ranking mit maschinellem Lernen
- Erkennung kohärenter Erzeuger
- Co-Simulation: Python (API), DIgSILENT PowerFactory, Matlab
Marktanalyse von Wasserstofftankstellen und KPI-Visualisierung
Operator of Hydrogen Stations in Germany
Analyse von Datensätzen von Wasserstofftankstellen in ganz Deutschland und Erstellung eines interaktiven Power-BI-Dashboards zur Visualisierung der Stationsverteilung, Auslastungstrends und geografischen Abdeckung. Datenmodellierung wurde eingesetzt, um wichtige Marktkennzahlen zu strukturieren und umsetzbare Geschäftseinblicke abzuleiten.
Bereitstellung eines wirkungsvollen Dashboards, das die nationale Wasserstoffinfrastruktur abbildet. Ermöglichte Stakeholdern das Verfolgen zentraler KPIs und die Beurteilung der Marktsättigung. Die Lösung zeigte das Potenzial von Big Data gegenüber bestehenden Excel-Tabellen auf und ermöglichte eine flexible und erweiterbare Geschäftsstruktur.
- Power BI
- Datenmodellierung und Integration
- Definition & Visualisierung von KPIs
Agile-gestützte Backend-Optimierung und Dashboard-Entwicklung für skalierbare Analytics-Lösungen
Railway sector
Leitung der Entwicklung interaktiver Dashboards zur Visualisierung und Verbesserung der Kundenreise für einen Bahnkunden. Ich arbeitete in einem agilen Scrum-Team an der Optimierung des zugrunde liegenden SQL-Data-Warehouses, um Geschäftsanwendern hochwertige und konsistente Daten bereitzustellen. Zu den Aufgaben gehörten Backend-Optimierung, Datenmodellierung, Qualitätssicherung und die Bereitstellung von Frontend-Dashboards mit Fokus auf umsetzbare Erkenntnisse und KPI-Überwachung.
Verbesserung der Kundenreise durch Ausstattung der Geschäftsanwender mit präzisen KPIs und umsetzbaren Erkenntnissen. Steigerung der Backend-Effizienz und Datenzuverlässigkeit, was schnellere, erkenntnisbasierte Dashboards ermöglichte und strategisches Kundenengagement sowie operative Entscheidungen unterstützte.
- SQL Data Warehousing und Backend-Abfrageoptimierung
- Datenmodellierung & Normalisierung
- Qualitätssicherung & Datenvalidierung
- Dashboard-Entwicklung (Qlik Sense)
- Agile/Scrum-Arbeitsweise
Dynamische Sicherheitsbewertung im Leitstand eines Übertragungsnetzbetreibers
Transmission System Operator
Unterstützung des Kunden bei der Anforderungsdefinition und Durchführung tiefgehender Analysen zur Entwicklung eines Next-Generation-Softwaresystems, das dynamische Sicherheitsbewertungen von Energiesystemen ermöglicht. Das Tool nutzt SCADA-Daten in CIM-Profilen und integriert dynamische Netzmodelle, um das Systemverhalten in Echtzeit zu beurteilen.
Mitwirkung bei der Erstellung einer umfassenden Anforderungsdokumentation, insbesondere zur Erkennung und Handhabung von Netzverletzungen, unter Einhaltung nationaler und europäischer Vorschriften. Zu den Aktivitäten gehörten die Validierung von Modelldaten, Identifizierung von Modellierungsfehlern, Koordination mit wichtigen Stakeholdern sowie Durchführung von Tests und Schwachstellenanalysen. Das Projekt legte das Fundament für Echtzeit-Sicherheitsoperationen im Leitstand.
- Spannungsstabilitätsanalyse mit DIgSILENT PowerFactory und NEPLAN
- Auswertung und Validierung von Netzmodellen auf Basis von CIM-Profilen, mit Compliance-Prüfungen nach CGMES-Standards
- Design von Teststrategien und Durchführung von Site Acceptance Tests (SAT)
Zusammenfassung
Ich bin Senior Datenwissenschaftler und Projektleiter an der Schnittstelle zwischen Data Science, der Energiewirtschaft und Stromnetzbetreibern. Ich entwickle innovative, datengetriebene Lösungen für den Energie-, Bahn- und öffentlichen Sektor.
Ich bin ein ergebnisorientierter Senior Datenwissenschaftler und zertifizierter Projektleiter. Mein Hintergrund umfasst akademische Forschung an der Schnittstelle von Data Science und Energiesystemen sowie die Umsetzung wirkungsvoller Lösungen in den Bereichen Beratung, Softwareentwicklung und Projektmanagement für Kunden aus dem Energie- und öffentlichen Sektor.
Ich spezialisiere mich auf die Leitung und Durchführung komplexer End-to-End (E2E)-Technikprojekte und verwandle Daten in umsetzbare, wertschöpfende Lösungen. Meine Expertise umfasst fortgeschrittene Data Science, Cloud Computing und KI, basierend auf umfangreicher Erfahrung in der Energiebranche, bei Energiesystemen und im öffentlichen Sektor. Ich habe erfolgreich wertorientierte Lösungen für eine breite Kundenpalette geliefert, darunter Kraftwerksbetreiber, Verteil- und Übertragungsnetzbetreiber (DSOs & TSOs), Bahnbetreiber und Institutionen des öffentlichen Sektors.
Sprachen
Ausbildung
TU Dortmund
Promotion (in Vorbereitung) · Betrieb von Energiesystemen mit maschinellem Lernen · Dortmund, Deutschland
TU Dortmund
M.Sc. · Elektrotechnik und Informationstechnik · Dortmund, Deutschland
TU Dortmund
B.Sc. · Elektrotechnik und Informationstechnik · Dortmund, Deutschland
Zertifikate & Bescheinigungen
Azure Fundamentals – AZ900
Microsoft
Certified Product Owner – PSPO I
Scrum.org
Project Management Professional – PMP
PMI
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.