Lorenzo Giannuzzo
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.
Rel. Andrea Lanzini, Francesco Demetrio Minuto. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Energetica E Nucleare, 2023
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract
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
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
