Le fonti energetiche rinnovabili, come l’eolico ed il solare, sono caratterizzate dalla non programmabilità (FRNP) e da una notevole aleatorietà. La domanda di elettricità è invece soggetta a fluttuazioni che dipendono dal consumo domestico ed industriale. Per far fronte a queste variabilità, è necessario disporre di una rete elettrica flessibile e resiliente. In questo contesto, l’interconnessione dei sistemi è in grado di consentire un rapido scambio di informazioni, che risulta essere una componente fondamentale per lo sviluppo e l’implementazione di sistemi predittivi relativi alla generazione, alla domanda e alla quantificazione in tempo reale delle risorse flessibili dispacciabili.

La attività qui illustrate sono state dedicate all’analisi, sviluppo ed implementazione operativa di varie tecniche predittive a breve (fino a 3 giorni in avanti emesse due volte al giorno) e a brevissimo (fino a 6 ore in avanti aggiornate ogni 15’) termine. Le scale spaziali sono variate dal locale, come parchi eolici distinti e interconnessioni / feeder di una linea di media tensione (MT), alle aree di mercato. Le previsioni a breve termine possono avere una cadenza oraria o quartodoraria, a seconda della granulosità delle misure acquisite. Quelle a brevissimo termine, invece, sempre quartodorarie.

Le tecniche esaminate sono state tecniche di machine learning, quali Random Forest e Gradient Boosting Machines, tecniche statistiche, quali le functional Principal Component Analysis, l’Analog Ensemble e la tecnica One-Edge sviluppata dall’Università di Pavia, metodi autoregressivi, come ARIMAX, e metodi ibridi che uniscono più metodi.

Nel momento in cui sono disponibili un insieme di previsioni elementari, è stato possibile attivare un meccanismo di ottimizzazione, ad esempio mediante una tecnica di Quantile Random Forest, in modo tale da ottenere non solo una previsione “deterministica”, ma anche le corrispondenti bande di affidabilità o di variabilità che ci si attende per i giorni successivi al giorno target.

L’attivazione in continua di una previsione a brevissimo termine – che deve necessariamente richiedere risorse computazionali limitate per rispettare vincoli temporali di fornitura del prodotto – guidata da quella a breve termine, permette di ridurre gli errori sistematici di quest’ultima e di far fronte in tempo reale a modifiche strutturali o eventi meteorologici non adeguatamente previsti.