L'energia fotovoltaica è divenuta una delle fonti di energia rinnovabile più diffuse e promettenti a livello mondiale. In Italia, il settore fotovoltaico ha riscontrato una crescita significativa negli ultimi anni, grazie al sostegno di politiche energetiche favorevoli alla produzione di energie rinnovabili e all'aumento di impianti fotovoltaici su scala industriale e domestica. Tuttavia, la generazione di energia fotovoltaica è strettamente legata alle condizioni meteorologiche e in particolare alla disponibilità di radiazione solare, ciò rende fondamentale la modellazione e la previsione della produzione di energia fotovoltaica per garantire una gestione efficiente delle risorse energetiche e una programmazione ottimale dell'infrastruttura elettrica. Il presente lavoro si propone di sviluppare alcuni modelli statistici per la previsione della produzione di energia fotovoltaica in Italia, al fine di migliorare la gestione e l'efficienza della filiera elettrica. Inizialmente, verrà fatta una panoramica sul funzionamento del Mercato Elettrico italiano e delle sue suddivisioni in sottomercati. Successivamente, verranno presentati alcuni modelli di regressione che permetteranno di stimare la produzione di energia fotovoltaica utilizzando come variabili esplicative alcune condizioni atmosferiche e il tempo. Infine, verranno valutate e confrontate le performance dei diversi modelli in termini predittivi, al fine di stabilire quali siano i più appropriati da adottare nel caso di studio. La tesi si propone di contribuire alla comprensione delle dinamiche della produzione dell’energia fotovoltaica in Italia e di fornire strumenti e informazioni, che seppur semplici, possano essere utili per la pianificazione dell'energia rinnovabile nel contesto italiano.

Modellazione e previsione della produzione di energia fotovoltaica in Italia

SCAGLIA, GIACOMO
2022/2023

Abstract

L'energia fotovoltaica è divenuta una delle fonti di energia rinnovabile più diffuse e promettenti a livello mondiale. In Italia, il settore fotovoltaico ha riscontrato una crescita significativa negli ultimi anni, grazie al sostegno di politiche energetiche favorevoli alla produzione di energie rinnovabili e all'aumento di impianti fotovoltaici su scala industriale e domestica. Tuttavia, la generazione di energia fotovoltaica è strettamente legata alle condizioni meteorologiche e in particolare alla disponibilità di radiazione solare, ciò rende fondamentale la modellazione e la previsione della produzione di energia fotovoltaica per garantire una gestione efficiente delle risorse energetiche e una programmazione ottimale dell'infrastruttura elettrica. Il presente lavoro si propone di sviluppare alcuni modelli statistici per la previsione della produzione di energia fotovoltaica in Italia, al fine di migliorare la gestione e l'efficienza della filiera elettrica. Inizialmente, verrà fatta una panoramica sul funzionamento del Mercato Elettrico italiano e delle sue suddivisioni in sottomercati. Successivamente, verranno presentati alcuni modelli di regressione che permetteranno di stimare la produzione di energia fotovoltaica utilizzando come variabili esplicative alcune condizioni atmosferiche e il tempo. Infine, verranno valutate e confrontate le performance dei diversi modelli in termini predittivi, al fine di stabilire quali siano i più appropriati da adottare nel caso di studio. La tesi si propone di contribuire alla comprensione delle dinamiche della produzione dell’energia fotovoltaica in Italia e di fornire strumenti e informazioni, che seppur semplici, possano essere utili per la pianificazione dell'energia rinnovabile nel contesto italiano.
2022
Modeling and forecasting of photovoltaic energy production in Italy
Energia fotovoltaica
Serie storiche
Previsione
Modelli regressione
File in questo prodotto:
File Dimensione Formato  
Scaglia_Giacomo.pdf

accesso aperto

Dimensione 3.14 MB
Formato Adobe PDF
3.14 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/52464