Research | Funded Projects

INTEGRAZIONE DELLE RINNOVABILI NELLE RETI ELETTRICHE: MODELLI DI ENERGY FORECASTING

Durante gli ultimi anni si è assistito ad un incremento notevole di installazioni di sistemi di produzione di energia elettrica da fonti rinnovabili sulle reti di distribuzione. In particolare, fotovoltaico PV ed eolico soprattutto nei paesi Europei costituiscono una alternativa significativa ai sistemi tradizionali di produzione: si stima al 2040 una contributo fino al 46% della produzione totale. La sorgente eolica, inoltre, entro il 2020 dovrebbe superare la produzione idroelettrica, diventando la fonte rinnovabile a maggior produzione, con un supporto fino al 20% della generazione totale nel 2040. Tuttavia, a causa della intrinseca intermittenza, le sorgenti rinnovabili, quali eolico e fotovoltaico, rendono più difficile il bilanciamento tra domanda e offerta e, conseguentemente, il dispacciamento e la gestione del sistema elettrico. Il problema è particolarmente sentito per la fonte eolica che tipicamente presenta picchi di produzione in corrispondenza di una bassa domanda di carico. Pertanto, in questo scenario, la possibilità di prevedere la produzione di energia eolica almeno 48 ore prima rappresenterebbe una servizio indispensabile per garantire una migliore integrazione della fonte eolica in rete. Tale possibilità garantirebbe maggiori margini di sicurezza per chi gestisce il sistema e chi ne usufruisce, nonché consentirebbe ai produttori di evitare improvvisi distacchi di generatori imposti dal gestore. Opportunamente calibrato tale aspetto porterebbe anche a maggiori volumi di produzione per i proprietari dei parchi eolici. La ricerca proposta, a partire dalla base scientifica di partenza suindicata, indagherà sulla possibilità di utilizzare tecniche di soft-computing basate su reti neurali o su metodologie ibride (tecniche neurofuzzy, algoritmi evolutivi, ecc.) per predire la produzione di energia principalmente da fonte eolica. In letteratura, le soluzioni basate su reti neurali prevedono la potenza eolica prodotta da una wind farm sfruttandoi dati storici di produzione e le condizioni meteorologiche. Questi modelli predittivi presentano errori di previsione, in alcuni casi, poco accettabili poiché le reti neurali proposte richiedono un alto livello di apprendimento: il predittore neurale deve generalizzare le relazioni esistenti tra potenza eolica e velocità del vento e quelle meteorologiche che concorrono alla generazione del vento. Il modello che si intende implementare è basato sull’evoluzione spazio-temporale delle condizione meteorologiche di un sito, non solo sulle informazioni meteo del sito in cui è installata la wind farm. L’idea innovativa è osservare in quale misura le condizioni meteorologiche e la produzione eolica del sito scelto per la previsione dipendono dalle condizioni meteo delle aree limitrofe, in accordo con la durata e la velocità di fenomeni meteorologici, quali fronti meteo. Le tecniche messe a punto saranno testate in fase di simulazione e successivamente confrontate con dati reali presso siti adeguati, caratterizzati anche da orografia complessa. In particolare, il progetto potrà godere della collaborazione dell’IVPC, azienda leader nel settore eolico, e con il servizio metereologico dell'aeronautica. I risultati ottenuti costituiranno la base per sviluppare strategie di pianificazione e gestione della rete che tengano in considerazione i modelli previsionali sviluppati. Tali attività di ricerca potranno essere sviluppate per favorire una migliore integrazione dei sistemi eolici nelle reti di distribuzione e anche portare allo sviluppo di piani di gestione della rete, da parte del gestore, che coinvolgano l’utilizzo mirato ed efficiente di sistemi di accumulo. Le possibili filosofie di pianificazione e gestione saranno testate su reti di distribuzioni reali, di media o bassa tensione in presenza di parchi eolici. Infine il progetto di ricerca prevede una fase di generalizzazione di quanto sviluppato al fine di poter estendere le metodologie di previsione della produzione ad una generica fonte rinnovabile che soffre di aleatorietà e intermittenza.