Reti neurali per la previsione di energia da fotovoltaico. Analisi di sensitività

The recent quick penetration of the energy renewable sources in the national electric system needs to have an important participation of people operating in the electrical system management. In particular, all users are requested to be more responsible in the dispatch of non-programmable renewable power sources related to the efficient forecast of the energy fed into the grid. The aim of this work is to finalize and to validate a forecasting system based on soft computing methods, focusing in particular on artificial neural networks, in order to foresee a time based energy production profile of a PV plant. A MLP (Multi-Layer Perceptron) artificial neural network with EBP (Error Back Propagation) training procedure has been used as forecasting method. We pursued a sensitivity analysis on the main ANN parameters in order to determine the best configuration and, by comparing a number of error definitions, we evaluated the forecasting precision also related to the weather prediction accuracy.

La rapida penetrazione delle fonti rinnovabili non programmabili nel sistema elettrico nazionale, avvenuta in particolar modo negli ultimi anni, richiede una maggiore partecipazione di tutti gli operatori del settore alla gestione in sicurezza del sistema elettrico. In particolare è necessaria una maggiore responsabilizzazione degli utenti del dispacciamento di impianti alimentati da fonti rinnovabili non programmabili in relazione alla efficiente previsione dell'energia elettrica immessa nella rete. Lo scopo del presente lavoro di tesi è la messa a punto e la successiva validazione di un sistema di previsione basato su tecniche di soft computing, in particolare su reti neurali artificiali, per la previsione del profilo di produzione di energia su base oraria di un impianto fotovoltaico. Lo strumento di previsione utilizzato è una rete neurale artificiale del tipo MLP (Multi-Layer Perceptron) con procedura di addestramento di tipo EBP (Error Back Propagation). E’ stata effettuata un’analisi di sensitività sui principali parametri che caratterizzano la rete allo scopo di determinarne la configurazione migliore ed è stata valutata la precisione della previsione, confrontando diverse definizioni di errore, anche in relazione all'accuratezza delle previsioni meteorologiche.