polito.it
Politecnico di Torino (logo)

Analisi dei metodi di ricostruzione delle curve di carico = Analysis of the load pattern reconstruction methods

Roberta Dabbicco

Analisi dei metodi di ricostruzione delle curve di carico = Analysis of the load pattern reconstruction methods.

Rel. Gianfranco Chicco, Andrea Mazza. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Elettrica, 2022

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (6MB) | Preview
Abstract:

La tesi ha l’obiettivo di ricostruire, con l’ausilio di reti neurali, gli andamenti della potenza elettrica richiesta da un carico, quando incognita in alcuni periodi di tempo. I dati numerici necessari, ossia la potenza campionata e gli istanti di misura, sono stati ricavati dalla banca REFIT. Per la costruzione delle reti neurali, si è sfruttato il software Matlab e due suoi applicativi (Regression Learner e Neural Net Time Series). In essi sono presenti delle reti neurali pre-programmate che richiedono i valori di predictor (grandezze sempre note, impiegate per la previsione) e della potenza nei giorni antecedenti a quello incognito. Inizialmente, sono stati utilizzati solo predictor “temporali”, ricavati dai momenti di campionamento. Poiché i risultati così raggiunti non sono stati soddisfacenti, si sono aggiunti altri predictor, i valori medi della potenza, sul minuto e sull’ora, sia nel giorno incognito che in quello precedente. Inoltre, l’incremento del numero di neuroni costituenti le reti neurali e la media tra i risultati dei diversi modelli sono stati altri due tentativi condotti per giungere a ricostruzioni più accurate. Si è concluso che la singola rete wide, composta da 50 neuroni con sufficienti informazioni, dia un ottimo risultato; quindi, essa è stata la sola impiegata nelle fasi successive. A seguire, sono stati sostituiti i predictor relativi ai valori medi nel giorno incognito con quelli di giorni precedenti, simulando la reale mancanza delle misure. Questo è stato ritenuto accettabile dallo studio dei diagrammi di carico nei singoli giorni, nei quali si sono individuati almeno quattro andamenti che si ripetono; questi sono associabili a carichi che, in momenti diversi, conducono alla stessa variazione della potenza totale. I risultati raggiunti con il nuovo modello presentano un prevedibile peggioramento, con la cancellazione di molte delle oscillazioni reali della potenza. Si è giunti ad un miglioramento di tali risultati costruendo un andamento tipo dei carichi ripetitivi e sostituendolo nel risultato della previsione fornita dal modello wide, quando essa presenta un’evoluzione che richiami uno di questi carichi. In conclusione, i modelli di Matlab sono accurati solo se disponibile un adeguato numero di informazioni; tuttavia, l’apporto “umano” tratto dall’esperienza nel dominio specifico può condurre al miglioramento dei risultati.

Relators: Gianfranco Chicco, Andrea Mazza
Academic year: 2022/23
Publication type: Electronic
Number of Pages: 133
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Elettrica
Classe di laurea: New organization > Master science > LM-28 - ELECTRICAL ENGINEERING
Aziende collaboratrici: UNSPECIFIED
URI: http://webthesis.biblio.polito.it/id/eprint/24146
Modify record (reserved for operators) Modify record (reserved for operators)