Clustering di curve di carico

L'ultimo secolo è caratterizzato da un aumento generale della richiesta di energia elettrica, il fine è dunque quello di migliorare la produzione elettrica per incontrare il fabbisogno globale. Tuttavia, questo richiede un lungo e complesso processo, che non può essere completato a breve termine, per questo motivo è di essenziale importanza esplorare strategie alternative che puntino all'ottimizzazione dell'uso dell'energia. Una di queste strategie consiste nel rieducare i consumatori finali ad un utilizzo dell'energia elettrica più responsabile e, soprattutto, più prevedibile. Il problema principale riguardo lo studio dei carichi dei clienti residenziali risiede nel fatto che ciascun cliente presenta caratteristiche che, puntualmente, differiscono di molto rispetto a tutti gli altri; in altre parole il numero di dati necessari per analizzare questo tipo di curve di carico è estremamente alto e richiede quindi un onere computazionale elevato. Al fine di individuare correttamente quelli che sono i comportamenti tipici per uno specifico gruppo di clienti, è necessario effettuare un'operazione di clustering. Lo studio presentato in questa tesi mira ad illustrare alcuni dei possibili metodi per identificare correttamente classi di clienti residenziali in base alle loro abitudini e caratteristiche tipiche, in modo tale da classificare e dunque meglio prevedere l'uso dell'energia elettrica del cliente finale.