ITEN
WebThesis Logo Politecnico di Torino

Marco Mozzi

Sviluppo di algoritmi di machine learning per la previsione dei consumi di una centrale frigorifera industriale = Development of machine learning algorithms for consumption forecasting of an industrial refrigeration plant.

Rel. Marco Badami. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Energetica E Nucleare, 2022

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

Download (6MB) | Preview
Abstract:

Negli ultimi anni si sta prendendo sempre più consapevolezza della criticità e dell’impatto del cambiamento climatico sul nostro pianeta. In questo contesto la gestione dell’energia e la “transizione energetica” hanno ormai assunto centralità nel dibattito pubblico e istituzionale. Al fine di garantire una transizione energetica efficace, è necessario affiancare all’aumento di produzione di energia pulita, una gestione efficiente dell’energia a disposizione. Nel presente elaborato sono riportati i risultati di uno studio condotto su un impianto di refrigerazione composto da tre gruppi frigo. Il lavoro è stato sviluppato a partire dall’analisi impiantistica e dell’architettura di monitoraggio energetico, fino ad arrivare alla modellazione e previsione dei suoi consumi di energia elettrica. Attraverso l’implementazione di algoritmi predittivi statistici e di machine learning, capaci di individuare pattern e correlazioni puntuali a partire da grandi moli di dati, sono stati sviluppati diversi modelli, caratterizzati da tecniche e finalità differenti. Per la realizzazione di questi, è stato necessario analizzare e studiare le variabili fisiche e temporali proprie del sistema. Sfruttando questo tipo di strumenti, è stato possibile predire secondo diverse prospettive temporali i consumi del sistema in esame, oltre che stimare le quote di consumo allocabili alle diverse utenze servite dal sistema frigorigeno. Infine, si è andati ad esplorare le opportunità applicative e le potenzialità a livello industriale derivanti da una analisi e conoscenza profonda di questi tipi di sistemi.

Relatori: Marco Badami
Anno accademico: 2022/23
Tipo di pubblicazione: Elettronica
Numero di pagine: 98
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Energetica E Nucleare
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-30 - INGEGNERIA ENERGETICA E NUCLEARE
Aziende collaboratrici: Trigenia srl
URI: https://webthesis.biblio.polito.it/id/eprint/24940
Modifica (riservato agli operatori) Modifica (riservato agli operatori)