DOMARE L'ALEATORIETA'

I prodotti di forecast per impianti rinnovabili sono costruiti per raccogliere la sfida della aleatorietà che questo tipo di previsione comporta.

Allo scopo vengono accoppiati strumenti di Machine Learning ai modelli meteorologici quantitativi allo scopo di apprendere i comportamenti degli impianti in determinate condizioni meteo, abbattere gli errori dei modelli fisici deputati al calcolo dell'energia immessa e mitigare gli effetti sullo sbilanciamento da "double penalty", ovvero da eventi meteorologici previsti correttamente ma con time lags di qualche ora, condizione comune per modelli meteorologici ad elevata risoluzione.

Per simulare l'impatto dell'aleatorietà sulla produzione attesa si utilizzano numerose corse modellistiche a cui viene applicata una leggera perturbazione casuale delle condizioni iniziali (Stochastic Kinetic Energy Backscatter) oltre ad un approccio "multiphysics".

Il medesimo approccio viene perseguito per le modellizzazioni di produzione energetica allo scopo di valutare l'incertezza derivata da questo tipo di modellazione per poi farla gestire ad algoritmi di Deep Learning.