I sistemi elettrici tendono oggi ad essere sollecitati sempre più vicino ai margini di sicurezza e la estesa interconnessione porta a dovere esaminare a volte in grande dettaglio un significativo numero di contingenze. Il presente lavoro ha origine nella domanda sempre più pressante di strumenti veloci e affidabili per la valutazione della sicurezza dei sistemi elettrici, conseguente a uno sfruttamento sempre più intenso del sistema di trasmissione dell’energia elettrica, tale da ridurre sensibilmente i margini di sicurezza in caso di guasto. L’attività intende procedere allo sviluppo e utilizzo di metodi innovativi basati su reti neurali e analisi statistica per la individuazione di condizioni di potenziale insicurezza in presenza di estese reti di trasmissione. Nel corso di questa attività, dopo avere inquadrato il problema della sicurezza nei sistemi elettrici, si è affrontato il riconoscimento dello stato di sicurezza/insicurezza relativamente alla SSA (Static Security Assessment). Volendo affrontare il problema con una metodologia innovativa che possa presentare informazioni sintetiche all’operatore, si è valutato di utilizzare le reti neurali capaci appunto di effettuare operazioni di screening e di sintesi. Si è proceduto a confrontare differenti tipologie di reti neurali per valutare quella più adatta al problema. Sono state individuate due possibili opzioni di utilizzo che abbracciano orizzonti temporali diversi 1. rete che debba classificare lo stato del sistema all’interno di un’ora; 2. rete che debba classificare lo stato del sistema per tutti i punti di carico che si trovano all’interno di una fascia. Le due opzioni presentate differiscono significativamente. In ogni modo per entrambe è comunque necessario scegliere l’insieme di variabili da presentare in ingresso alla rete neurale; scegliere il criterio di classificazione; generare i pattern di training e di test; scegliere i parametri per la valutazione dei risultati; scegliere la rete neurale più opportuna in termini di: nnnmero di neuroni nello strato nascosto e di tipologia delle funzioni di attivazione. In questa fase della ricerca si è optato per addestrare una rete neurale per ogni ora. Ciò significa poter disporre di 24 reti neurali da addestrare il giorno precedente al loro effettivo utilizzo sfruttando le conoscenze fornite dal mercato del giorno prima (MGP). Si è inteso valutare, le prestazioni degli approsimatori neurali applicati al problema SSA e, quindi, non sono state addestrate effettivamente 24 reti neurali, ma è stato deciso di focalizzarsi su una sola ora e analizzare i dati ottenuti.. Le reti considerate sono state: “loglog”, “tanlog” e “tanlin”, cioè con funzioni di attivazione “logsig-logsig”, “tansig-logsig” e “tansig-purelin”.

La fase di addestramento delle reti neurali è necessaria per rendere atte le reti alla classificazione di situazioni sicure e/o insicure relative al comportamento statico di grandi reti elettriche e alla violazione di vincoli. Sono state addestrate con gli algoritmi: RP (resilient propagation), SCG (scaled conjugate gradient), CGP (gradiente coniugato con gli aggiornamenti di Polak-Ribiere) e CGB (gradiente coniugato con le ripartenze di Powell-Beale). Ogni rete è stata addestrata con 2, 5, 10, 20, 30 neuroni nello strato nascosto. Per ognuna configurazione sono state inizializzate 100 reti neurali e ognuna di esse è stata addestrata con 6 training set ricavati dall’intero insieme dei dati. Il numero complessivo di reti addestrate è 36000 (5x3x100x6x4). Una prima applicazione ha riguardato un sistema elettrico di test, dell’IEEE. Si tratta di un sistema a 24 nodi e 38 linee che presenta una sufficiente complessità per poter pensare di estendere i risultati ottenuti ad un sistema complesso come quello equivalente alla rete di trasmissione italiana in alta/altissima tensione. Sono state, dunque, addestrate molte reti neurali con l’insieme di dati generati dal sistema di test dell’IEEE e i risultati sono stati analizzati al fine di poter individuare le reti neurali migliori. Queste ultime sono state utilizzate per effettuare la valutazione della sicurezza statica per il sistema equivalente. Gli errori commessi dalle reti neurali sono stati divisi in missed detection (la rete neurale classifica lo stato come più sicuro di quanto in realtà è) e false alarm (la rete neurale classifica lo stato come meno sicuro di quanto in realtà è). Tali errori sono stati confrontati in termini di media e deviazione standard e sono state individuate due strutture di reti neurali che, unitamente a due particolari algoritmi di addestramento, forniscono i risultati migliori. Tali reti neurali sono la “loglog” addestrata con l’algoritmo RP e la rete “tanlin” addestrata con l’algoritmo CGB, che sono state quindi adottate per l’estensione alla rete elettrica italiana. Per questa finalità è stato messo a punto un sistema elettrico derivato dalla rete elettrica italiana ad alta/altissima tensione e atto ad essere usato come rete elettrica di test. Tale sistema è caratterizzato da 101 nodi e 131 linee di trasmissione.