Ricerc@Sapienza

Il progetto di ricerca mira all'utilizzo delle tecniche di intelligenza computazionale, reti neurali e logica fuzzy, in un contesto reale di predizione di serie energetiche.
Sono sempre più comuni scenari distribuiti in cui piccole unità produttive sono connesse direttamente alla rete di distribuzione. Ragioni economiche, ambientali e politiche di incentivazione hanno spinto il mercato dell'energia verso fonti rinnovabili distribuite. In questi contesti tuttavia le difficoltà maggiori sono dovute alla variabilita e all'affidabilità delle risorse. Per un efficiente gestione dell'intero sistema, diventa necessaria la predizione dell'energia prodotta affinchè sia possibile un adattamento intelligente della rete di distribuzione. Questo è reso possibile dal fatto che i parametri di produzione di un impianto sono costantemente monitorati con tecnologie di smart metering che danno la possibilità di ricavare in tempo reale corrente e tensione in uscita.
Nella predizione di serie temporali la non-stazionarietà e, spesso, la non-linearità delle serie stesse portano a dinamiche complesse, con proprietà caotiche, che sono difficili da modellare adeguatamente usando modelli predittivi standard. Questo progetto si pone quindi l'obiettivo di adattare tecniche di machine learning per analizzare i dati associati alle fonti di energia rinnovabili. In particolare, il progetto mira a sviluppare soluzioni che possano fare uso di algoritmi di apprendimento automatico per la predizione in sistemi totalmente distribuiti in cui interagiscano agenti etereogenei (grandi impianti fotovoltaici, cogenerazione domestica, etc.).