Modelli di reti neurali per la previsione dell'energia prodotta da un parco eolico

L'energia eolica è una fonte energetica che negli ultimi anni ha registrato una grande diffusione in Italia. Il carattere intrinsecamente discontinuo della sua produzione ha reso necessario lo sviluppo di tecniche di previsione dell'energia prodotta, allo scopo di gestire in modo più efficiente la sua distribuzione e di non incorrere nelle penali previste in caso di grosse discordanze tra i quantitativi di energia dichiarati e quelli effettivamente prodotti. La tesi si prefigge lo scopo di studiare e testare alcuni modelli di reti neurali che, addestrate su uno storico che fornisce previsioni meteo del vento ed energia prodotta su base oraria, siano in grado di prevedere l'energia prodotta da ogni singola turbina presente nel parco eolico studiato. I fenomeni meteo sono stati interpretati con un'opportuna fase di preprocessing dei dati in maniera realistica, tenendo ad esempio conto dell'¿effetto scia¿, che si manifesta quando l'energia cinetica di venti provenienti da certe direzioni viene smorzata dalla presenza di altre pale eoliche. A seguire questa fase sono stati utilizzati vari modelli di reti neurali, tra i quali alcuni basati sul classico algoritmo di backpropagation ed altri sul più recente ed innovativo algoritmo ELM (Extreme Learning Machine ), per i quali sono stati effettuati test comparativi. A conclusione del lavoro svolto si propone uno studio preliminare per un possibile algoritmo ¿ibrido¿ tra i due.