I Sistemi di Accumulo di Energia a Batteria (BESS, Battery Energy Storage Systems) sono infrastrutture industriali progettate per immagazzinare l'energia elettrica prodotta da impianti di generazione a fonte rinnovabile, con l'obiettivo di aumentarne l'autoconsumo e ridurre la dipendenza dalla rete elettrica. Oltre agli aspetti di progettazione e realizzazione, un elemento cruciale è la gestione intelligente dei cicli di carica e scarica, che deve massimizzare l'efficienza e la vita utile delle batterie, tenendo conto delle esigenze operative del sito e di variabili tecnologiche ed economiche. In questa tesi vengono sviluppati e confrontati due approcci di controllo avanzato - Genetic Algorithm e Reinforcement Learning - per definire una strategia decisionale ottimale. L'obiettivo è minimizzare, su base annua, i costi di approvvigionamento energetico da fornitori terzi, privilegiando l'autoconsumo e valutando le prestazioni dei diversi algoritmi in termini di efficienza, affidabilità e risparmio economico ed energetico.
Strategie di Ottimizzazione per l'Utilizzo dei Sistemi di Accumulo di Energia a Batteria
FAVARO, MANUEL
2024/2025
Abstract
I Sistemi di Accumulo di Energia a Batteria (BESS, Battery Energy Storage Systems) sono infrastrutture industriali progettate per immagazzinare l'energia elettrica prodotta da impianti di generazione a fonte rinnovabile, con l'obiettivo di aumentarne l'autoconsumo e ridurre la dipendenza dalla rete elettrica. Oltre agli aspetti di progettazione e realizzazione, un elemento cruciale è la gestione intelligente dei cicli di carica e scarica, che deve massimizzare l'efficienza e la vita utile delle batterie, tenendo conto delle esigenze operative del sito e di variabili tecnologiche ed economiche. In questa tesi vengono sviluppati e confrontati due approcci di controllo avanzato - Genetic Algorithm e Reinforcement Learning - per definire una strategia decisionale ottimale. L'obiettivo è minimizzare, su base annua, i costi di approvvigionamento energetico da fornitori terzi, privilegiando l'autoconsumo e valutando le prestazioni dei diversi algoritmi in termini di efficienza, affidabilità e risparmio economico ed energetico.| File | Dimensione | Formato | |
|---|---|---|---|
|
Favaro_Manuel.pdf
accesso aperto
Dimensione
2.22 MB
Formato
Adobe PDF
|
2.22 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
https://hdl.handle.net/20.500.12608/91718