Previsione della produzione di un impianto eolico mediante reti neurali artificiali e valutazione economica dei risultati

The purpose of this thesis is the achievement of 24 hours ahead forecasts regarding the hourly wind speed profile measured in a wind farm located in Lucera and the related electric power generation. The wind speed estimation is developed using FeedForward neural networks with delayed input, also known as Nonlinear Auto Regressive (NAR) neural networks, while the electric power generation forecast is provided by Standard FeedForward (FF) neural networks. The analysys revealed that wind speed predictions obtained through Nonlinear Auto Regressive neural networs have a higher level of uncertainty. By the way, this characteristic is found also in other forecasting methods due to the aleatory nature of the wind-energy source. The estimation of the electric energy production through Standard FeedForward neural networks is apt to lower errors, based on the availability of reliable meteorological data. The first chapter gives a brief description of the spreading of non-predictable energy sources in the Italian electric generation field and its economic and technical effects due to their aleatory behaviour. The second chapter describes neural networks’ operating principles. Such machine learning methods have the potential to lower the unsteadiness of non-predictable energy sources thanks to their ability to recognize patterns in highly non-linear functions. The description focuses primarily on standard and delayed input FeedForward neural networks. The case study is introduced in the third chapter, with a description of the main technical specifications of the wind farm, the available measurements and the indicators used to evaluate the accuracy of the forecasts. The fourth chapter specifies the characteristics of the database and the indispensable pre-processing phase, which is necessary to filter anomalous and atypical values not belonging to the normal functioning of the wind farm. The fifth chapter outlines the portion of dissertation about the development of wind speed forecasts and the assumptions made during the process. Similarly, the sixth chapter describes the procedure followed to estimate the scheduled energy production, which will be used on the Day-Ahead Energy Market. The seventh chapter describes an economical analysis, focused on the imbalance prices, and a way to optimize the financial outocomes. The eight chapter summarizes the main conclusions of the thesis.

La finalità di questa tesi consiste nell’ottenimento di previsioni riguardanti il profilo orario di velocità del vento misurabile in corrispondenza di una wind farm sita nella località di Lucera e le relative previsioni di immissione di energia elettrica per le 24 ore successive. Le previsioni di velocità del vento sono effettuate utilizzando reti neurali FeedForward con input differito o reti neurali Nonlineari Auto Regressive (NAR), mentre le previsioni di immissione di energia elettrica sono ottenute tramite reti neurali FeedForward Standard (FF). Dallo studio è emerso che le previsioni riguardanti la velocità del vento sono quelle che presentano maggiori criticità, che tuttavia sono riscontrabili anche utilizzando strumenti di previsione diversi dalle reti neurali, a causa della forte aleatorietà della fonte eolica. La stima dell’energia elettrica prodotta effettuata tramite reti neurali FeedForward Standard, supponendo di avere a disposizione dati metereologici affidabili, comporta errori di minor entità rispetto a quelli commessi da altri servizi di previsione. Nel primo capitolo si dà una descrizione generale della diffusione delle fonti energetiche non programmabili nello share elettrico italiano e dell’impatto tecnico ed economico causato dalla loro aleatorietà. Nel secondo capitolo vengono descritti i principi di funzionamento delle reti neurali, strumenti che potrebbero ridurre l’aleatorietà delle fonti non programmabili grazie alla loro capacità di riconoscere pattern nell’andamento di funzioni altamente non lineari. Nello specifico, si dà una descrizione delle due tipologie di reti neurali utilizzate: FeedForward standard e ad input differito. Nel terzo capitolo si introduce il caso studio, descrivendo le specifiche tecniche della wind farm analizzata, i dati disponibili e gli indicatori che verranno utilizzati per valutare le prestazioni delle previsioni. Nel quarto capitolo viene descritto il database utilizzato per le previsioni e la fase di pre-processing dei dati, necessaria per via della presenza di misurazioni che non descrivono il normale funzionamento dell’impianto. Nel quinto capitolo è illustrata la parte di trattazione riguardante le previsioni di velocità del vento, effettuate sui due periodi temporali per cui il proprietario dell’impianto ha fornito le misurazioni, e le assunzioni fatte durante tale processo. Nel sesto capitolo si descrive l’analisi inerente le previsioni di immissione di energia elettrica, che verranno utilizzate per definire il programma vincolante modificato e corretto. Il settimo capitolo è dedicato alla descrizione dell’analisi economica dei risultati ottenuti, con un focus in particolare sui corrispettivi di sbilanciamento e lo studio dei correttivi per ottimizzare i ricavi nell’ottica del Mercato del Giorno Prima. Nell’ottavo e ultimo capitolo vengono riassunte le conclusioni tratte dall’analisi svolta, alla luce dei risultati ottenuti.