Modelli per la gestione ottimizzata delle risorse energetiche rinnovabili: un'analisi del caso portoghese

L'energia elettrica è una risorsa fondamentale per il funzionamento delle società moderne, alimentando industrie, trasporti e infrastrutture. La sua origine può essere classificata in fonti rinnovabili e non rinnovabili, in base alla loro esauribilità. L'energia solare ed eolica si collocano all'interno delle fonti rinnovabili. Questa tesi si concentra sulla previsione della produzione di energia solare ed eolica in Portogallo, in un contesto in cui la transizione verso fonti energetiche sostenibili è fondamentale. Gli obiettivi includono l'analisi e la valutazione di vari modelli di previsione, con l'obiettivo di selezionare il modello più accurato per le serie storiche della potenza di produzione di energia solare e della potenza di produzione di energia eolica. I modelli esaminati includono ARIMA, Prophet, NeuralProphet, RNN, LSTM e GRU. Durante la fase di analisi, sono state considerate diverse variabili esogene, ossia le condizioni meteorologiche di nove città portoghesi e la capacità installata degli impianti. Questo approccio completo ha lo scopo di garantire una regolazione ottimale della produzione di energia rinnovabile, consentendo una migliore gestione delle risorse energetiche. I risultati indicano che il modello RNN si è dimostrato il migliore per la serie della potenza di produzione di energia solare, mentre LSTM ha ottenuto la migliore performance per la serie della potenza di produzione di energia eolica. Tuttavia, è emerso che l'uso di variabili meteorologiche previste, anziché osservate, ha comportato una riduzione dell'accuratezza dei modelli. Questo risultato rimarca la forte dipendenza tra le condizioni meteorologiche e la produzione energetica solare de eolica. In conclusione, questa tesi contribuisce alla comprensione delle dinamiche della produzione di energia solare ed eolica in Portogallo e fornisce indicazioni importanti per la selezione dei modelli di previsione più adatti. Tuttavia, rimangono sfide da affrontare, compreso il miglioramento dell'efficienza computazionale e l'ottimizzazione delle previsioni. La transizione verso fonti energetiche sostenibili richiede soluzioni precise ed efficienti, e questa ricerca mira a contribuire a questo obiettivo.