La crescita continua della domanda di energia a livello mondiale e la progressiva diminuzione delle risorse energetiche tradizionali hanno spinto la comunità  internazionale a concentrare i propri interessi di ricerca sulle tecnologie e metodologie per migliorare l'efficienza energetica e la sostenibibilità  ambientale. In questo contesto gli algoritmi di intelligenza artificiale applicati alle tecnologie microgrids rappresentano l'elemento pi๠innovativo per favorire il decentramento energetico e ottimizzare l'efficienza dei sistemi di generazione e distribuzione locale dell'energia. L'adozione di tecniche di intelligenza computazionale e di metodologie di profilazione automatica degli utenti finali consente di motivare il cambiamento comportamentale degli utenti utilizzando adeguati incentivi economici. Inoltre la realizzazione di unità  di gestione e controllo, fisicamente vicine alle risorse energetiche distribuite (DER) consente di realizzare efficacemente il bilanciamento tra la produzione e il consumo di energia. D'altra parte i sistemi di intelligenza artificiale sono facilmente implementabili con tecnologie software distribuite e architetture SOA. Questo facilita la diffusione di questi sistemi grazie al superamento dei problemi di complessità  computazionale e abilita l'implementazione distribuita delle operazioni di controllo su distretti energetici di dimensione variabile. Il risultato ਠun incremento della responsività , sicurezza, affidabilità  dell'intero sistema elettrico, nonchà© la minimizzazione delle perdite connesse alla distribuzione dell'energia generata da centrali remote a vantaggio di una maggiore sostenibilità  ambientale.

Tecniche di intelligenza artificiale per l'ottimizzazione energetica di una microgrid

2014

Abstract

La crescita continua della domanda di energia a livello mondiale e la progressiva diminuzione delle risorse energetiche tradizionali hanno spinto la comunità  internazionale a concentrare i propri interessi di ricerca sulle tecnologie e metodologie per migliorare l'efficienza energetica e la sostenibibilità  ambientale. In questo contesto gli algoritmi di intelligenza artificiale applicati alle tecnologie microgrids rappresentano l'elemento pi๠innovativo per favorire il decentramento energetico e ottimizzare l'efficienza dei sistemi di generazione e distribuzione locale dell'energia. L'adozione di tecniche di intelligenza computazionale e di metodologie di profilazione automatica degli utenti finali consente di motivare il cambiamento comportamentale degli utenti utilizzando adeguati incentivi economici. Inoltre la realizzazione di unità  di gestione e controllo, fisicamente vicine alle risorse energetiche distribuite (DER) consente di realizzare efficacemente il bilanciamento tra la produzione e il consumo di energia. D'altra parte i sistemi di intelligenza artificiale sono facilmente implementabili con tecnologie software distribuite e architetture SOA. Questo facilita la diffusione di questi sistemi grazie al superamento dei problemi di complessità  computazionale e abilita l'implementazione distribuita delle operazioni di controllo su distretti energetici di dimensione variabile. Il risultato ਠun incremento della responsività , sicurezza, affidabilità  dell'intero sistema elettrico, nonchà© la minimizzazione delle perdite connesse alla distribuzione dell'energia generata da centrali remote a vantaggio di una maggiore sostenibilità  ambientale.
2014
it
algoritmi genetici
Categorie ISI-CRUI::Ingegneria industriale e dell'informazione::Electrical & Electronics Engineering
Ingegneria industriale e dell'informazione
microgrid
Settori Disciplinari MIUR::Ingegneria industriale e dell'informazione::ELETTROTECNICA
user profiling
Università degli Studi Roma Tre
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/233050
Il codice NBN di questa tesi è URN:NBN:IT:UNIROMA3-233050