FORECAST DI IMMISSIONE IN RETE E MONITORAGGIO

I prodotti di forecast per impianti fotovoltaici sono costruiti per raccogliere la sfida della aleatorietà e della scalabilità del servizio fra poche unità a grandi quantità di impianti anche di piccole dimensioni

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 fra i quali diversi concepiti proprio per applicazioni di forecast fotovoltaico (MAD-WRF)

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