OTTIMIZZAZIONE DELLA GESTIONE DI UN COGENERATORE DI TIPO INDUSTRIALE = MANAGEMENT OPTIMIZATION OF AN INDUSTRIAL-TYPE COGENERATOR

A partire da dati reali relativi ad una centrale termica a servizio di uno stabilimento che si occupa della produzione di sistemi adesivi per l’industria e per il largo consumo, questo lavoro di tesi si pone l’obiettivo di ottenere la migliore gestione dell’impianto cogenerativo, basato su un motore a combustione interna, in funzione dei fabbisogni energetici dello stabilimento al fine di ricavare la soluzione più conveniente nell’ottica del conseguimento del maggior risparmio in termini economici. Questo obiettivo è perseguito mediante l’applicazione di algoritmi di Intelligenza Artificiale che, grazie alla possibilità di processare grandi quantità di dati in tempi relativamente brevi, hanno acquisito nel tempo una sempre maggior rilevanza per il mondo dell’energia, sia nel campo della produzione che in quello della gestione energetica. In particolare, in questo lavoro, è stato dapprima sviluppato un Algoritmo Genetico come metodo di ottimizzazione e successivamente è stato introdotto un primo approccio di controllo ottimizzato in tempo reale basato sul Deep Q-Learning nell’ambito del Reinforcement Learning. All’interno del lavoro di tesi viene fornita una discussione franca utile a considerare i principali vantaggi e svantaggi degli algoritmi sviluppati oltre ai limiti di applicabilità delle tecniche utilizzate.