Questo rapporto analizza diverse metodologie avanzate per la previsione della produzione di energia da fonti rinnovabili non programmabili (FRNP) e della domanda elettrica su diverse scale spazio-temporali. L’obiettivo principale è il miglioramento della flessibilità del sistema elettrico in un contesto di crescente integrazione di FRNP.

Il rapporto si articola in due sezioni principali. Nella prima viene affrontato lo studio delle previsioni a livello di singolo impianto. In particolare, sono effettuate delle previsioni di produzione eolica con una risoluzione temporale di un giorno in avanti per 8 impianti in Sicilia e Calabria. Questa analisi, in collaborazione con Sorgenia S.p.A, si basa sull’uso di dati di velocità del vento misurati all’hub delle turbine eoliche e su modelli di Machine Learning (ML) come Random Forest (RF).

I risultati mostrano buone prestazioni nella previsione del vento, anche se è presente una sovrastima della produzione. Nella Previsione di domanda disaggregata, effettuata in collaborazione con UnaReti nell’ambito del progetto MiNDFlex, sono state testate diverse metodologie, tra cui functional Principal Component Analysis (fPCA), OneEdge (OnE) e RF, per prevedere la domanda elettrica su una linea a media tensione di Milano.

I risultati indicano che l’accuratezza dei modelli dipende fortemente dall’elemento della rete considerato e che tecniche di ottimizzazione come Quantile Random Forest possono migliorarne le previsioni. Nella seconda sezione viene affrontato lo studio delle previsioni a livello di area di mercato. In particolare, per la previsione di produzione fotovoltaica è stato sviluppato un modello RF che, grazie ad una preparazione dei dati e alla regolarizzazione delle serie temporali in ingresso, si è dimostrato più performante rispetto al modello fPCA utilizzato in precedenza.

Per la previsione di produzione eolica, effettuata in collaborazione con l’Università degli Studi di Pavia (UniPV), sono stati sviluppati tre modelli lineari per prevedere la produzione eolica in Sardegna, utilizzando previsioni di velocità del vento. Il modello, sebbene meno performante di quello adottato come benchmark, offre un approccio valido che verrà in futuro migliorato integrando nuove informazioni meteorologiche.

Per la previsione della domanda, il modello OnE, sviluppato con UniPV, è stato esteso per prevedere la domanda di carico con un orizzonte di 72 ore. Il modello mostra buone prestazioni nelle aree con domanda stabile, mentre necessita di affinamento in aree con maggiore variabilità. Infine, viene presentata un’analisi preliminare sulla previsione dello scostamento tra produzione da FRNP e domanda nell’area di mercato della Sardegna, mostrando come sia possibile ottenere stime verosimili utilizzando i modelli sviluppati in questo rapporto.