L’attività è stata svolta nell’ambito del supporto scientifico fornito all’Autorità per l’Energia Elettrica il Gas e il Sistema Idrico per la sua attività regolatoria sul tema della qualità della fornitura elettrica. E’ in questo ambito che sono richieste la prosecuzione del monitoraggio della qualità della tensione nella rete di distribuzione MT con il sistema QuEEN e la continuazione delle attività di elaborazione/analisi statistica dei dati di Power Quality condotte “fuori linea”. A tale riguardo si sono messi a punto dei software applicativi per la classificazione automatica dell’origine, a monte e a valle del punto di misura, degli eventi registrati dal sistema QuEEN.

Un primo applicativo (FEXWaveS- Features EXtraction from Wave Segmentation) effettua la segmentazione delle forme d’onda associate ai buchi di tensione registrati da QuEEN, in parti rapidamente variabili o “segmenti transitori” e in parti assimilabili a dei gradini di tensione o “segmenti stazionari”, tramite l’applicazione ad esse di un filtro di Kalman autocalibrato. I segmenti transitori sono individuati dai picchi della 2° armonica della tensione stimata dal filtro.

I risultati della segmentazione e l’applicazione di alcune regole, che riguardano anche i valori assunti dalla componente fondamentale stimata dal filtro, permettono di estrarre dai segnali di tensione alcune caratteristiche di forma degli eventi. Un secondo applicativo utilizza queste caratteristiche assieme alle altre caratteristiche degli eventi fornite dal sistema QuEEN (durata, tensione residua e numero di concatenate coinvolte nell’evento) per addestrare un algoritmo di autoapprendimento supervisionato, basato su un modello di Support Vector Machine, per la classificazione dei buchi di tensione in base alla loro origine a monte/valle del punto di misura. Sempre in ambito di Data Analytics è stato affrontato il problema della correlazione tra gli eventi di PQ e i fenomeni temporaleschi ricorrendo a tecniche di analisi innovative, tipiche dell’ambito dei Big data, ambito sempre più di interesse alla luce della mole di dati messi potenzialmente a disposizione dalle smart grids.

Le analisi sono state condotte a partire da una piattaforma Apache Spark, opportunamente predisposta, e hanno confermato i risultati ottenuti nel passato con metodi di analisi tradizionali. E’ stata realizzata anche una Web Application che permette all’utente di modificare la parametrizzazione del problema senza conoscere l’ambiente di sviluppo e i linguaggi di programmazione adottati, e quindi di visualizzare i risultati tramite una pagina web.