Please use this identifier to cite or link to this item: http://hdl.handle.net/2307/4394
Title: Tecniche di intelligenza artificiale per l'ottimizzazione energetica di una microgrid
Authors: Federica, Mangiatordi
Advisor: Leccese, Fabio
Del Vecchio, Paolo
Keywords: microgrid
user profiling
algoritmi genetici
Issue Date: 13-May-2014
Publisher: Università degli studi Roma Tre
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 più 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 è un incremento della responsività, sicurezza, affidabilità dell’intero sistema elettrico, nonché la minimizzazione delle perdite connesse alla distribuzione dell’energia generata da centrali remote a vantaggio di una maggiore sostenibilità ambientale.
URI: http://hdl.handle.net/2307/4394
Access Rights: info:eu-repo/semantics/openAccess
Appears in Collections:Dipartimento di Scienze
T - Tesi di dottorato

Files in This Item:
File Description SizeFormat
Tesi-PhD-Federica-Mangiatordi.pdf6.06 MBAdobe PDFView/Open
Show full item record Recommend this item

Page view(s)

222
Last Week
0
Last month
0
checked on Mar 18, 2024

Download(s)

920
checked on Mar 18, 2024

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.