Giulia Accossato
Ottimizzazione del Sistema di Previsione Energetica: Strategie per la Riduzione delle Perdite = Optimization of the Energy Forecasting System: Strategies for Loss Reduction.
Rel. Paolo Brandimarte. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Matematica, 2024
|
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (9MB) | Preview |
Abstract: |
L'elaborato si propone di offrire un'analisi dettagliata del mercato dell'energia elettrica in Italia esplorandone la struttura, le dinamiche e le sfide attuali. Lo studio inizia con un'indagine approfondita del contesto normativo che regola il mercato elettrico italiano, evidenziando i meccanismi di negoziazione e le strategie adottate per garantire un funzionamento efficace e competitivo. Vengono esaminati i principali attori coinvolti, inclusi gli operatori di mercato e le autorità di regolamentazione, con particolare enfasi sul loro ruolo nella promozione della concorrenza e della stabilità del sistema energetico nazionale. Successivamente, l'analisi si concentra sulle metodologie di previsione dello sbilanciamento energetico, esplorando le variabili ambientali, socio-economiche e comportamentali dei consumatori, che influenzano la domanda e l'offerta di energia elettrica. Viene impiegato un algoritmo basato sui giorni simili, che tiene conto di pattern storici e condizioni simili, per prevedere l'errore percentuale. Particolare attenzione viene dedicata allo studio dello sbilanciamento energetico a livello macrozonale, valutando l'impatto di variabili esterne, come le condizioni meteorologiche e le politiche energetiche, sulla direzione di tale squilibrio. Si implementano modelli predittivi avanzati, integrando tecniche di boosting del gradiente e modelli additivi generalizzati per prevedere il segno dello sbilanciamento macrozonale. Infine, si introducono strategie per ottimizzare il sistema di previsione energetica con l'obiettivo di ridurre le perdite e migliorare l'efficienza complessiva; tali strategie si basano sui risultati ottenuti dall'analisi dello sbilanciamento. Si esplorano modelli decisionali e algoritmi di ottimizzazione stocastica, che consentono un aggiornamento in tempo reale delle previsioni e una riduzione degli errori. Si sviluppa una struttura basata sull'algoritmo genetico e sulla simulazione stocastica Monte Carlo. Per concludere si valuta l'impatto di tali strategie sulla riduzione dei costi e sull'efficienza del sistema energetico italiano. Attraverso un approccio analitico rigoroso e attraverso l'applicazione di metodologie avanzate, l'elaborato propone, quindi, soluzioni pratiche e innovative per affrontare le sfide emergenti nel settore energetico italiano, contribuendo così alla sostenibilità e all'affidabilità dell'approvvigionamento energetico nel paese e al beneficio economico degli attori coinvolti. |
---|---|
Relators: | Paolo Brandimarte |
Academic year: | 2023/24 |
Publication type: | Electronic |
Number of Pages: | 86 |
Subjects: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Matematica |
Classe di laurea: | New organization > Master science > LM-44 - MATHEMATICAL MODELLING FOR ENGINEERING |
Aziende collaboratrici: | ORS GROUP GMBH |
URI: | http://webthesis.biblio.polito.it/id/eprint/31607 |
Modify record (reserved for operators) |