APPLICAZIONE DI TECNICHE DI MACHINE LEARNING PER L' OTTIMIZZAZIONE DELL' ELETTRIFICAZIONE NELLE APPLICAZIONI DOMESTICHE

The energy transition and the increasingly widespread trend of electrifying end-use consumption are giving rise to challenges for electric grids, particularly in the residential sector. New technologies, such as Machine Learning, can be employed to study the behaviors and issues that power networks may face during this major transformation. These technologies make it possible to identify where to intervene in order to ensure energy infrastructures that are increasingly efficient, sustainable, and secure. This thesis will explore the challenges related to electrification and the energy transition, illustrating how new technologies can be used to address these issues through data analysis and the development of predictive models or anomaly detection systems.

La transizione energetica e la sempre più diffusa tendenza di elettrificare i consumi finali porta all’insorgere di problematiche per le reti elettriche in particolare nel settore domestico. Le nuove tecnologie, come il Machine Learning, possono essere impiegate per lo studio dei comportamenti e delle problematiche che possono dover affrontare le reti elettriche in questo grande cambiamento. Queste permettono di comprendere dove intervenire per garantire strutture energetiche sempre più efficienti, sostenibili e sicure. In questa tesi si approfondiranno le problematiche legate all’elettrificazione e alla transizione energetica, illustrando come le nuove tecnologie possono essere impiegate per superare tali sfide attraverso l’analisi dei dati e lo sviluppo di modelli predittivi o di rilevamento delle anomalie