Resilienza delle reti di distribuzione elettrica, dalla media tensione alle comunità energetiche
Abstract
Progetti di ricerca in collaborazione fra Università/Enti di ricerca e altri soggetti pubblici o privati con l’obbiettivo di sostenere percorsi di alta formazione che integrino le conoscenze teoriche con le competenze realizzate in specifici contesti d’esperienza.
Project Name
RREMACE
Publication Year
2023
Coordinator
UNIFI
Announcement name
Progetti di Alta Formazione attraverso l’attivazione di Assegni di Ricerca (Bando assegni di ricerca anno 2023)
Expected Duration
24 Months
60,000 €
Total cost project
40,000 €
Contribution paid
1
Total fellowship
Announcement description
Lo scopo principale del progetto è lo sviluppo di sistemi di monitoraggio basati su tecniche di intelligenza artificiale per la prevenzione di situazioni critiche nelle moderne Smart Grid. Numerosi fattori, quali ad esempio la crescente integrazione dei generatori alimentati da fonti rinnovabili, l’elettrificazione dei consumi e il conseguente aumento dei carichi non lineari stanno determinando nuove sfide per la stabilità e la qualità del servizio elettrico. In particolare, con il passaggio dalla generazione concentrata a quella distribuita si rendono necessari nuovi metodi per la gestione dei flussi energetici e l’introduzione di algoritmi di ottimizzazione del Power Flow. A livello complessivo quindi, uno degli obiettivi principali del progetto è quello di sviluppare delle tecniche computazionali in grado di facilitare la formazione delle Comunità Energetiche Rinnovabili, mentre sui singoli prosumer (utenze di consumo e generazione) lo scopo è introdurre nuovi metodi di gestione degli impianti finalizzati alla massimizzazione dell’autoconsumo. Il fine ultimo di queste attività è quello di gestire l’evoluzione delle reti di distribuzione evitando situazioni di instabilità dovute allo squilibrio dei flussi energetici e garantendo la resilienza del sistema in caso di eventi critici. La crescente complessità delle reti di distribuzione comporta inoltre la necessità di prevenire i guasti catastrofici delle infrastrutture elettriche, inclusa la rete Media Tensione (MT), in modo tale da assicurare la continuità del servizio. A tal proposito, partendo dagli algoritmi già sviluppati per il monitoraggio dei cavi MT, si vuole estendere l’efficacia della manutenzione predittiva ad altri componenti della rete, quali ad esempio i convertitori, i trasformatori di potenza, gli inverter. Per raggiungere tale scopo si prevede l’applicazione di una rete neurale a valori complessi e lo sviluppo di sensori specifici (eventualmente alimentati tramite energy harvesting) che permettano di limitare il livello di interferenza con la rete. La gestione dei flussi energetici ed il monitoraggio delle infrastrutture hanno evidenti effetti positivi sulla qualità dell’energia elettrica (Power Quality), tema diventato di grande attualità nel settore delle Smart Grid a causa del crescente utilizzo di carichi non lineari. Il progetto si pone come ulteriore obiettivo quello di integrare nel sistema di prognosi un metodo di classificazione dei principali disturbi di Power Quality.
Parole chiave:
INTELLIGENZA ARTIFICIALE, SMART GRID, DIAGNOSI DI GUASTO
