L’attività ha avuto inizio nel PAR 2016 con l’obiettivo di sviluppare dei metodi di previsione del carico elettrico e della produzione elettrica in funzione delle condizioni meteorologiche. Tali metodi si prefiggono soprattutto di valutare come e quanto le variazioni delle condizioni meteorologiche influiscono sulla previsione del carico su diverse scale spaziali e sul consumo elettrico. A tal scopo si sono utilizzati sia dati sperimentali, sia dati provenienti dai modelli di previsione meteorologica ad area limitata operativi in RSE (in particolare RAMS e WRF).

La ricerca è stata realizzata su tre attività differenti: la valutazione dell’influenza della variabilità meteorologica sui consumi elettrici degli utenti finali, la previsione della domanda di energia elettrica (Actual Load) per zone di mercato e la previsione della domanda di energia elettrica per una località non connessa alla rete elettrica nazionale.

La prima attività è proseguita sfruttando i dati di consumo di una decina di abitazioni poste nella città di Roma. I risultati conseguiti non hanno apportato ulteriori novità a quanto già ottenuto nel corso del PAR 2016. La scarsa disponibilità di dati e la mancata informazione sull’uso e le abitudini degli utenti hanno condizionato parecchio l’esito dell’attività.

La seconda attività sulla previsione dell’Actual Load ad elevata risoluzione temporale e su differenti scale spaziali è proseguita con risultati interessanti facendo apprezzare il ruolo, non trascurabile, delle previsioni di alcune variabili meteorologiche, quali la temperatura dell’aria e la radiazione solare, realizzate con il modello ad area limitata WRF. Questo risultato significativo è stato ottenuto anche grazie ad un sistema di post-processing statistico che utilizza, in due fasi, le tecniche di Support Vector Machine (SVM) e Analog Ensemble (AnEn). Le previsioni dell’Actual Load così ottenute sono state confrontate con quelle realizzate da un algoritmo, denominato HELFo, che effettua le medesime previsioni zonali prescindendo dall’uso delle variabili meteorologiche. Questo algoritmo ha rappresentato un ottimo riferimento (“benchmark”) per discernere il miglioramento, in termini di affidabilità e accuratezza, della previsione del carico elettrico realizzata con l’ausilio delle variabili previsionali meteorologiche.

La terza ed ultima attività è consistita in un’analisi preliminare dei dati di consumo e produzione a scala locale (case study) sul sito di Ustica finalizzata alla possibilità di sviluppare un sistema di previsione della domanda di energia elettrica per una località non connessa alla rete elettrica nazionale. Anche in questo caso è stato applicato il sistema previsionale basato sull’utilizzo delle tecniche Support Vector Machine e Analog Ensemble, utilizzando come valore di confronto il dato di carico consuntivato alla medesima ora del giorno precedente la previsione. Tale approccio ha permesso di generare delle previsioni affidabili e realistiche nel periodo considerato.