Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/2307/4394
Titolo: Tecniche di intelligenza artificiale per l'ottimizzazione energetica di una microgrid
Autori: Federica, Mangiatordi
Relatore: Leccese, Fabio
Del Vecchio, Paolo
Parole chiave: microgrid
user profiling
algoritmi genetici
Data di pubblicazione: 13-mag-2014
Editore: 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
Diritti di Accesso: info:eu-repo/semantics/openAccess
È visualizzato nelle collezioni:Dipartimento di Scienze
T - Tesi di dottorato

File in questo documento:
File Descrizione DimensioniFormato
Tesi-PhD-Federica-Mangiatordi.pdf6.06 MBAdobe PDFVisualizza/apri
Visualizza tutti i metadati del documento Suggerisci questo documento

Page view(s)

222
Last Week
0
Last month
0
checked on 19-mar-2024

Download(s)

921
checked on 19-mar-2024

Google ScholarTM

Check


Tutti i documenti archiviati in DSpace sono protetti da copyright. Tutti i diritti riservati.