E’ noto che le condizioni meteorologiche influenzano il consumo di energia elettrica. I periodi con temperature dell’aria particolarmente fredde e calde, tipiche della stagione invernale ed estiva, sono quelli che producono un evidente aumento del fabbisogno energetico legato, ad esempio, alla climatizzazione degli edifici. E’ pertanto importante, ai fini di una sempre più accurata e precisaprevisione della domanda elettrica, poter far uso di adeguate informazioni di carattere meteorologico, sia che esse siano relative a dati realmente osservati oppure previsti mediante opportuni modelli meteorologici a scala limitata.Questo rapporto costituisce, in sostanza, il naturale prosieguo dell’attività svolta nel corso del precedente anno e illustra la risposta del modello di simulazione giornaliera della domanda elettrica, denominato PreGio (Previsione Giornaliera della domanda elettrica), allorché si utilizzino dati meteorologici previsti da un modello ad area limitata (nello specifico, RAMS – Regional AtmosphericModeling System). I dati elaborati ed analizzati riguardano il periodo Ottobre 2011 – Settembre 2012 poiché per questi dodici mesi erano disponibili sia i dati di domanda di energia elettrica sia i dati di forecast meteorologici su scala nazionale. Il modello PreGio è stato quindi adattato al fine di produrre simulazioni della domanda elettrica giornaliera nazionale sfruttando tali previsioni eteorologiche ottenute con 1, 2 e 3 giorni di anticipo. Si rende noto che tale attività è stata realizzata anche sulla base di una espressione di interesse da parte di Terna S.p.A. che ha fornito i dati relativi alla domanda. I dati di ingresso al modello PreGio consistono nel carico elettrico nazionale e nella temperatura massima giornaliera dell’aria prevista dal modello meteorologico RAMS e misurata nelle stazioni meteorologiche della rete di misura nazionale (dati estratti dall’online service https://www.ncdc.noaa.gov del GCOS – Global Summary of the Day (GSOD), gestito dalla NOAA (National Oceanic and Atmospheric Administration). I dati delle misure della temperatura e quelli previsti dal modello meteorologico sono relativi alle 25 stazioni meteorologiche distribuite sul territorio italiano e già utilizzate in passato. Tutti i risultati delle simulazioni eseguite con il modello PreGio sono stati poi confrontati con i dati diconsuntivo della domanda elettrica nazionale, per valutarne gli errori, e comparati tra loro (simulazione effettuata senza dati meteorologici, con dati meteorologici realmente osservati e previsti dal modello meteorologico RAMS). L’uso dei dati di temperatura previsti mediante il modello meteorologico RAMS, associato ad un post processing per migliorare l’accuratezza della previsione meteorologica, ha permesso di apprezzare un sensibile miglioramento della capacità predittiva del modello PreGio: a tal riguardo si segnala, ad esempio, una riduzione significativa del MAPE (Mean Absolute Percentage Error) globale ottenuta rispetto al caso in cui le informazioni meteorologiche non sono state utilizzate. Gli errori si collocano tra quelli ottenuti mediante la simulazione effettuata con e senza dati meteorologici osservati. E’ risultato altresì evidente che l’uso di temperature previste, a qualsiasi scadenza temporale, non può prescindere da un accurato e ben ponderato post processing dei dati di output del modello meteorologico. E’parimenti evidente che l’esiguo dataset di dati di forecast meteorologico ad oggi disponibile, solo un anno, non ha consentito uno sviluppo maggiormente approfondito del post processing. Resta però rilevante che pur adottando uno schema di post processing abbastanza semplice i risultati ottenuti, intermini di errore della simulazione, sono comunque incoraggianti. Un’ultima, ma altrettanto interessante, attività di ricerca è consistita nella realizzazione di un modello della simulazione della domanda elettrica nazionale basato sullo studio della relazione esplicita tra la richiesta elettrica e le variabili meteorologiche. Il periodo analizzato parte dal 1996 sino al 2011 ed è stato suddiviso in otto bienni al fine di studiare la dinamica della risposta nel tempo. Questo modello,ancora in fase di ottimizzazione, non sfrutta l’autocorrelazione della serie consentendo una migliore valutazione del ruolo effettivo di ciascuna variabile meteorologica sul carico elettrico. Ciò consente inoltre, anche se con una minore accuratezza, di effettuare simulazioni della domanda elettrica in un orizzonte temporale più ampio sfruttando sia i forecast meteorologici, sia delle semplici stime climatologiche. Il risultato più interessante di questo nuovo approccio riguarda il ruolo ricoperto dalla variabile gradi giorni di raffrescamento: l’influenza di questa variabile sulla domanda elettrica italiana mostra, infatti, un forte trend positivo nel periodo in esame. Tale approccio potrebbe favorire, sia pur con maggiori incertezze, lo sviluppo di una previsione del carico elettrico nazionale su orizzonti temporali maggiormente estesi (settimanali e/o quindicinali).