Cerca nel sito per parola chiave

rapporti - Deliverable

Reti di distribuzione e correlazione col territorio: applicazione al caso italiano

rapporti - Deliverable

Reti di distribuzione e correlazione col territorio: applicazione al caso italiano

Lo studio presenta una metodologia, basata sull’uso delle correlazioni tra distribuzione elettrica e territorio, per studiare l’evoluzione della rete di distribuzione italiana (es. estensione linee MT) negli scenari di crescita del carico.

L’evoluzione delle reti di distribuzione elettriche è fondamentale per affrontare le sfide della transizione energetica. Lo scopo dello studio è definire una metodologia, basata sull’uso delle correlazioni tra distribuzione elettrica e territorio, per studiare, su scala nazionale, l’evoluzione della rete di distribuzione italiana (es. estensione linee MT) negli scenari di crescita del carico. La principale difficoltà che si deve affrontare per identificare le correlazioni è la carenza di dati relativi alle reti di distribuzione italiane e alle utenze associate.

 

Per superare queste limitazioni, nello studio, sono stati utilizzati i dati della rete francese, che sono disponibili grazie a iniziative di open data, andando ad individuare le correlazioni tra rete di distribuzione elettrica e territorio da applicare poi al caso italiano.

 

 

La metodologia presenta diversi vantaggi: restituisce i risultati con un dettaglio geografico significativo (1 km2 nel caso in esame) e permette di condurre rapidamente delle stime per diversi scenari, non necessitando di complesse elaborazioni, quali ad esempio le analisi di power flow. Nonostante le approssimazioni adottate, i risultati ottenuti dall’analisi di scenario sono in accordo con quelli ottenuti con altre metodologie e si ritiene forniscano un limite superiore ai costi di sviluppo della rete, dimostrando l’utilità del metodo per studi preliminari.

 

La metodologia potrà essere affinata qualora venissero pubblicati dati riguardanti le reti e le utenze (es. potenze nominali) che permettano di modellizzare in modo più dettagliato le correlazioni.

 

Inoltre, i risultati ottenuti dimostrano che la disponibilità di dati aggiuntivi, come serie storiche o indicatori di rete (SAIDI, SAIFI, perdite), oltre ad affinare ulteriormente i modelli, potrebbero abilitare nuove applicazioni, come l’identificazione di aree critiche o interventi efficaci per migliorare la qualità del servizio. Per il futuro, il metodo potrebbe essere migliorato adottando tecniche di machine learning e integrando analisi di power flow su reti rappresentative per elaborazioni più avanzate.

Progetti

Commenti