Cerca nel sito per parola chiave

rapporti - Deliverable

Influenza della variabilit! meteo-climatica sul fabbisogno elettrico nazionale a scala mensile

rapporti - Deliverable

Influenza della variabilit! meteo-climatica sul fabbisogno elettrico nazionale a scala mensile

Recently updated on Aprile 7th, 2021 at 12:16 pm

Il presente documento è stato redatto nell’ambito del progetto “Studi sullo Sviluppo del Sistema Elettrico e della Rete Elettrica Nazionale – Analisi di scenari di sviluppo del sistema elettrico italiano” definito nell’Accordo Triennale tra il Ministero dello Sviluppo Economico e E.R.S.E. S.p.A. firmato il 29 Luglio 2009. L’attività di ricerca svolta è consistita in un ampliamento e approfondimento dello studio effettuato nel 2008 relativo all’influenza delle variabili meteoclimatiche sulla domanda elettrica mensile nazionale. In tale studio è stata evidenziata la significativa incidenza della temperatura e di grandezze da essa derivate (i gradi giorno ‘caldi’ e ‘freddi’) sulla richiesta elettrica. Al fine di migliorare il modello di simulazione/previsione del carico sviluppato lo scorso anno, è stata innanzitutto effettuata una estesa indagine bibliografica sui metodi di previsione del carico elettrico attualmente utilizzati e/o in fase di studio. Particolare attenzione è stata rivolta ai modelli che descrivono l’andamento del carico su base mensile in funzione delle variabili socioeconomiche, meteoclimatiche e di tipo calendario. La ricerca è stata finalizzata a valutare l’introduzione di altre variabili potenzialmente significative per la realtà italiana e per la scala temporale considerata. Grazie alla disponibilità di dati meteorologici relativi ad un maggior numero di stazioni con il requisito di prossimità a grandi centri urbani, è stato inoltre possibile affinare, rispetto all’anno precedente, la stima delle temperature minime e massime giornaliere in aree omogenee dal punto di vista meteoclimatico. Di conseguenza è stata migliorata la valutazione dei gradi giorno caldi e freddi a livello nazionale. Inoltre, l’acquisizione per tutte le stazioni di valori di altre grandezze, quali l’umidità relativa, la velocità del vento e la copertura nuvolosa, ha consentito di introdurre nel modello nuove variabili meteoclimatiche, quali la temperatura apparente (T hi ), il ‘Wind Chill’ (T wc ) e un indice di copertura nuvolosa. Il calcolo dei gradi giorno è stato quindi condotto anche sulla base della temperatura apparente e del ‘Wind Chill’. L’attività svolta ha riguardato prevalentemente il controllo di qualità dei diversi dati meteorologici acquisiti e la preparazione dei dati di input per il modello di simulazione/previsione del carico. In particolare sono stati sviluppati programmi ‘ad hoc’ per la generazione, per il periodo 1980-2008, di serie complete di valori mensili nazionali delle variabili di interesse, a partire da serie di dati grezzi con risoluzione giornaliera o tri- oraria. Oltre alla necessaria rielaborazione della scala temporale, le serie grezze sono state depurate dalla presenza di dati spuri o fuori scala e di discontinuità temporali. Sono state poi eseguite alcune simulazioni della previsione mensile della domanda elettrica nazionale utilizzando per il calcolo dei gradi giorno sia le nuove variabili (T hi , T wc ) che i valori massimi e minimi delle temperature effettivamente misurate. E’ stato quindi effettuato un confronto in termini di MAPE (Mean Absolute Percent Error) tra i dati a consuntivo del carico elettrico e i risultati delle simulazioni ottenute con diverse scelte delle variabili meteoclimatiche (temperature, copertura nuvolosa), oltre che delle variabili calendario. E’ stata infine compiuta una ricerca su serie di dati di variabili socioeconomiche che potrebbero influire in modo significativo sul consumo elettrico. Le variabili potenzialmente utili individuate sono il Prodotto Interno Lordo (PIL), la produzione industriale, la fatturazione e nuovi ordinativi, il costo dell’energia, la crescita della popolazione e dei metri quadri abitati. L’analisi finale eseguita con diverse variabili meteorologiche ha mostrato dei risultati incoraggianti anche in relazione a quanto ottenuto in passato. Infatti, l’uso di altre grandezze meteorologiche quali la copertura nuvolosa e l’umidità relativa associata alla temperatura (Heat Index ovvero la T hi ) ha permesso di ottenere delle simulazioni della domanda elettrica maggiormente accurate. In particolare le variabili più significative derivate dalle grandezze meteorologiche sono risultate: Heating Degree Month (HDM, gradi mese di riscaldamento), Cooling Degree Month (CDM, gradi mese di raffrescamento), Heating Degree Month da T hi (HDM hi , gradi mese di riscaldamento calcolati tramite temperatura apparente T hi ) e l’indice di copertura nuvolosa (C ds ).

Progetti

Commenti