Sviluppo e applicazione di un sistema previsionale per impianti fotovoltaici basato su reti neurali artificiali

In this work a photovoltaic plant energy forecasting model was developed and tested, having the same time horizon as the one established for the one-day ahead market. The goal is to achieve the best performance by using the measured data history, and to demonstrate the general validity of the model. Artificial neural networks have been employed, and a statistical approach has been used in search of the best configuration. The input fed to the network has been prepared carefully and has been enriched with data generated ad hoc. A post-processing operation has been suitably developed and applied to the output in order to grant a better quality. The model has given good results and has shown good flexibility, being applicable on different plants and performing discretely even in off-design conditions.

In questo lavoro è stato sviluppato e testato un modello previsionale per la produzione di impianti fotovoltaici, avente come orizzonte temporale quello fissato per il mercato del giorno prima. Lo scopo è quello di ottenere la prestazione migliore impiegando lo storico di dati ottenuto, e di dimostrare la validità generale del modello. Si è fatto ricorso a reti neurali artificiali, e per la ricerca della configurazione migliore è stato impiegato un approccio statistico. L’input fornito alla rete è stato preparato con cura ed arricchito con dati generati ad hoc. L’output ricevuto è stato quindi trattato secondo operazioni definite dall’autore volte a garantirne una migliore qualità. Il modello ha dato buoni risultati e inoltre ha dimostrato una buona flessibilità, essendo applicabile in impianti differenti e funzionando discretamente anche in condizioni di off-design.