Riassunto analitico
Questo lavoro di tesi si è svolto presso Ecoders, una start-up fondata come spin-off di Unimore che collabora con aziende del territorio e che si occupa principalmente di digitalizzazione nell'ambito delle energie rinnovabili. Il progetto di questa tesi comprende lo sviluppo di modelli predittivi in grado di predire la produzione energetica di impianti fotovoltaici e l'implementazione di una API per la fruizione di queste informazioni. L' API sviluppata offre predizioni sull'energia prodotta in tempo reale in base a dati storici, parametri ambientali e variabili climatiche, con l'obiettivo di avere previsioni affidabili in circostanze diverse. Tramite tecniche di Machine Learning quali la regressione, il clustering, modelli di forecasting di serie temporali ed altri metodi d’ensemble si sono sviluppati alcuni modelli predittivi applicabili a più situazioni e diverse tipologie di impianti, utili nel monitoraggio e nella gestione di sistemi fotovoltaici. Grazie alle predizioni generate, si possono ottenere benefici in termini di: efficienza dell’impianto, monitoraggio della correttezza di funzionamento, convenienza dell’investimento e, infine, miglioramento della gestione dell'immagazzinamento dell’elettricità prodotta.
|
