• algoritmi predittivi
• biogas
• biomasse
• energie rinnovabili
• machine learning

A fronte del degradamento degli ecosistemi le energie rinnovabili hanno trovato sempre più spazio a scapito delle fonti di energia fossili. Per ridurre l’impatto antropico sull’ambiente, obiettivo di numerose Nazioni, risulta fondamentale la, seppur lenta, progressiva sostituzione delle fonti energetiche inquinanti con quelle ecosostenibili fra cui le fonti di energia da biomasse.
La tesi introduce i vari aspetti di funzionamento e gestione di un impianto di biogas, sede della produzione di energia elettrica dalle biomasse, soffermandosi inizialmente sui processi biochimici che coinvolgono la fermentazione anaerobica delle varie materie prime e la conseguente formazione di biogas, descrivendo inoltre i vari fattori che ne influenzano la produzione. Successivamente vengono descritti i trattamenti e gli utilizzi dei prodotti della fermentazione, quali: il digestato che consiste nella biomassa esausta in uscita dai fermentatori, e il biogas grezzo il quale deve subire determinati trattamenti prima di poter essere utilizzato come combustibile per la produzione di energia elettrica o di venir immesso nella rete sotto forma di biometano. Infine la parte introduttiva si conclude descrivendo le varie componenti di un impianto biogas tipicamente utilizzato nelle aziende agro-zootecniche di potenza inferiore o uguale ai 1.000 kW, ovvero la stessa tipologia di impianto i cui dati sono stati oggetto di studio nei successivi paragrafi.
Lo scopo della tesi è stato quello di elaborare degli algoritmi predittivi, utilizzando tecniche di machine learning comprendenti il metodo di Cross Validation applicato su un dataset suddiviso in un periodo di allenamento e uno di validazione, in grado di stimare la produzione di un impianto utilizzando come dati in input la quantità e la tipologia di biomassa inserita nei fermentatori quotidianamente. Si è inoltre eseguita un’analisi riguardante l’ipotetica relazione fra la temperatura ambientale e quella dei digestori con la produttività dell’impianto.
A seguito di una prima elaborazione dei dati, attraverso l’utilizzo di determinati algoritmi che hanno correlato l’alimentazione a biomassa alla produzione giornaliera, si è generata una prima serie di modelli ad hoc per ogni azienda i cui risultati non sono stati soddisfacenti. Si è cercato perciò di ottimizzare i modelli utilizzando i dati in input sotto forma di medie mensili e settimanali. I modelli ottenuti in questa seconda elaborazione risultano essere più performanti e attendibili soprattutto per impianti dotati di un singolo digestore.
Si è eseguita, inoltre, l’analisi volta a determinare un eventuale correlazione fra la produttività delle aziende e le temperature ambientali e dei fermentatori. La produttività degli impianti analizzati non risulta essere influenzata da alcun tipo di stagionalità escludendo quindi un eventuale relazione con la temperatura esterna. Per quanto riguarda la temperatura interna ai fermentatori, che teoricamente sappiamo avere una notevole rilevanza sull’attività microbica e quindi sulla produzione, abbiamo ottenuto inaspettatamente risultati analoghi a quella ambientale a causa probabilmente dei periodi di latenza che intercorrono fra lo sbalzo termico di natura casuale e la risultante variazione di produzione.
Per concludere abbiamo realizzato dei modelli predittivi in grado di fornire dati utili alla gestione di impianti biogas, in particolar modo quelli dotati di un singolo fermentatore. L’ottimizzazione della gestione e della produzione di queste energie rinnovabili risulta fondamentale per favorire progressivamente la transizione dalle fonti fossili a quelle ecosostenibili riducendo così l’impatto ambientale antropico.

A fronte del degradamento degli ecosistemi le energie rinnovabili hanno trovato sempre più spazio a scapito delle fonti di energia fossili. Per ridurre l’impatto antropico sull’ambiente, obiettivo di numerose Nazioni, risulta fondamentale la, seppur lenta, progressiva sostituzione delle fonti energetiche inquinanti con quelle ecosostenibili fra cui le fonti di energia da biomasse. La tesi introduce i vari aspetti di funzionamento e gestione di un impianto di biogas, sede della produzione di energia elettrica dalle biomasse, soffermandosi inizialmente sui processi biochimici che coinvolgono la fermentazione anaerobica delle varie materie prime e la conseguente formazione di biogas, descrivendo inoltre i vari fattori che ne influenzano la produzione. Successivamente vengono descritti i trattamenti e gli utilizzi dei prodotti della fermentazione, quali: il digestato che consiste nella biomassa esausta in uscita dai fermentatori, e il biogas grezzo il quale deve subire determinati trattamenti prima di poter essere utilizzato come combustibile per la produzione di energia elettrica o di venir immesso nella rete sotto forma di biometano. Infine la parte introduttiva si conclude descrivendo le varie componenti di un impianto biogas tipicamente utilizzato nelle aziende agro-zootecniche di potenza inferiore o uguale ai 1.000 kW, ovvero la stessa tipologia di impianto i cui dati sono stati oggetto di studio nei successivi paragrafi. Lo scopo della tesi è stato quello di elaborare degli algoritmi predittivi, utilizzando tecniche di machine learning comprendenti il metodo di Cross Validation applicato su un dataset suddiviso in un periodo di allenamento e uno di validazione, in grado di stimare la produzione di un impianto utilizzando come dati in input la quantità e la tipologia di biomassa inserita nei fermentatori quotidianamente. Si è inoltre eseguita un’analisi riguardante l’ipotetica relazione fra la temperatura ambientale e quella dei digestori con la produttività dell’impianto. A seguito di una prima elaborazione dei dati, attraverso l’utilizzo di determinati algoritmi che hanno correlato l’alimentazione a biomassa alla produzione giornaliera, si è generata una prima serie di modelli ad hoc per ogni azienda i cui risultati non sono stati soddisfacenti. Si è cercato perciò di ottimizzare i modelli utilizzando i dati in input sotto forma di medie mensili e settimanali. I modelli ottenuti in questa seconda elaborazione risultano essere più performanti e attendibili soprattutto per impianti dotati di un singolo digestore. Si è eseguita, inoltre, l’analisi volta a determinare un eventuale correlazione fra la produttività delle aziende e le temperature ambientali e dei fermentatori. La produttività degli impianti analizzati non risulta essere influenzata da alcun tipo di stagionalità escludendo quindi un eventuale relazione con la temperatura esterna. Per quanto riguarda la temperatura interna ai fermentatori, che teoricamente sappiamo avere una notevole rilevanza sull’attività microbica e quindi sulla produzione, abbiamo ottenuto inaspettatamente risultati analoghi a quella ambientale a causa probabilmente dei periodi di latenza che intercorrono fra lo sbalzo termico di natura casuale e la risultante variazione di produzione. Per concludere abbiamo realizzato dei modelli predittivi in grado di fornire dati utili alla gestione di impianti biogas, in particolar modo quelli dotati di un singolo fermentatore. L’ottimizzazione della gestione e della produzione di queste energie rinnovabili risulta fondamentale per favorire progressivamente la transizione dalle fonti fossili a quelle ecosostenibili riducendo così l’impatto ambientale antropico.