Profilazione di utenze residenziali attraverso tecniche di machine learning nel contesto delle Comunità Energetiche Rinnovabili = Profiling of residential users through machine learning techniques in the context of Renewable Energy Communities

Le recenti evoluzioni del quadro normativo europeo ed italiano, sul tema energia, hanno manifestato una forte spinta sul tema delle Comunità Energetiche Rinnovabili. La loro diffusione sul territorio rappresenta un'opportunità per accelerare il processo di de-carbonizzazione e di evoluzione del sistema elettrico nazionale, passando da una configurazione centralizzata di difficile gestione ad una segmentata che permette un più agevole bilanciamento della rete. Tuttavia la costituzione delle Comunità di Energia Rinnovabile è un processo complesso e richiede competenze multidisciplinari che spaziano dal settore economico ed energetico a quello giuridico e amministrativo. La realizzazione di un progetto di successo, nel medio-lungo termine, è strettamente legata al corretto bilanciamento tra la produzione degli impianti e il consumo delle utenze all'interno della comunità, su base oraria. Allo stato attuale, le infrastrutture di misura del carico elettrico, soprattutto in ambito residenziale, non permettono la rilevazione del dato orario e ciò non consente di valutare con precisione il loro contributo in termini di condivisione dell'energia. Il presente lavoro mira a profilare, con risoluzione oraria, le utenze residenziali che desiderano calarsi in questo contesto attraverso tecniche non intrusive di ricostruzione del carico. Lo scopo è quello di identificare il profilo tipologico del carico del singolo utente, attraverso tecniche di machine learning, a partire dai dati mensili, facilmente reperibili dalle bollette elettriche, e di estrapolare un profilo orario secondo una metodologia data-driven, con l'obiettivo di stimare i principali parametri energetici che determinano la valorizzazione e l'incentivazione della condivisione dell'energia all'interno di Comunità Energetiche Rinnovabili.