Pratelli, Anastasia
 
(2023)
Modelli previsionali per un'industria ecosostenibile.
[Laurea magistrale], Università di Bologna, Corso di Studio in 
Matematica [LM-DM270], Documento full-text non disponibile
  
 
  
  
        
        
	
  
  
  
  
  
  
  
    
      Il full-text non è disponibile per scelta dell'autore.
      
        (
Contatta l'autore)
      
    
  
    
  
  
    
      Abstract
      Questo elaborato di tesi è frutto di un progetto denominato TEESI (transizione ecologica energetica per la sostenibilità industriale), che tratta la transizione energetica, cioè il passaggio da un mix energetico centrato sui combustibili fossili a uno a basse o zero emissioni di carbonio, e vede coinvolti Philip Morris International e Parmalat. Uno degli scopi del progetto è stato lo sviluppo di uno strumento di intelligenza artificiale che permettesse l'uso efficiente del parco impianti e dei sistemi energetici dello stabilimento. Il mio lavoro di tesi si è collocato all'interno del progetto per quanto riguarda la modellizzazione e la gestione dell'incertezza nella produzione di potenza fotovoltaica e del prezzo dell'energia nei mercati energetici. Lo strumento previsionale qui presentato è facile da utilizzare, alla portata di tutti e a basso prezzo, dunque può essere anche sfruttato per piccole medie imprese. Gli sviluppi futuri riguardano l'affinamento della tecnica di previsione con ricorso a una finestra temporale più ampia, l'utilizzo di dati metereologici più affidabili e l'estensione della tecnica di previsione ad impianti che utilizzano fonti primarie differenti.
     
    
      Abstract
      Questo elaborato di tesi è frutto di un progetto denominato TEESI (transizione ecologica energetica per la sostenibilità industriale), che tratta la transizione energetica, cioè il passaggio da un mix energetico centrato sui combustibili fossili a uno a basse o zero emissioni di carbonio, e vede coinvolti Philip Morris International e Parmalat. Uno degli scopi del progetto è stato lo sviluppo di uno strumento di intelligenza artificiale che permettesse l'uso efficiente del parco impianti e dei sistemi energetici dello stabilimento. Il mio lavoro di tesi si è collocato all'interno del progetto per quanto riguarda la modellizzazione e la gestione dell'incertezza nella produzione di potenza fotovoltaica e del prezzo dell'energia nei mercati energetici. Lo strumento previsionale qui presentato è facile da utilizzare, alla portata di tutti e a basso prezzo, dunque può essere anche sfruttato per piccole medie imprese. Gli sviluppi futuri riguardano l'affinamento della tecnica di previsione con ricorso a una finestra temporale più ampia, l'utilizzo di dati metereologici più affidabili e l'estensione della tecnica di previsione ad impianti che utilizzano fonti primarie differenti.
     
  
  
    
    
      Tipologia del documento
      Tesi di laurea
(Laurea magistrale)
      
      
      
      
        
      
        
          Autore della tesi
          Pratelli, Anastasia
          
        
      
        
          Relatore della tesi
          
          
        
      
        
          Correlatore della tesi
          
          
        
      
        
          Scuola
          
          
        
      
        
          Corso di studio
          
          
        
      
        
          Indirizzo
          Curriculum A: Generale e applicativo
          
        
      
        
      
        
          Ordinamento Cds
          DM270
          
        
      
        
          Parole chiave
          reti neurali, machine learning, fotovoltaico, energia, statistica, probabilità, ottimizzazione
          
        
      
        
          Data di discussione della Tesi
          31 Marzo 2023
          
        
      
      URI
      
      
     
   
  
    Altri metadati
    
      Tipologia del documento
      Tesi di laurea
(NON SPECIFICATO)
      
      
      
      
        
      
        
          Autore della tesi
          Pratelli, Anastasia
          
        
      
        
          Relatore della tesi
          
          
        
      
        
          Correlatore della tesi
          
          
        
      
        
          Scuola
          
          
        
      
        
          Corso di studio
          
          
        
      
        
          Indirizzo
          Curriculum A: Generale e applicativo
          
        
      
        
      
        
          Ordinamento Cds
          DM270
          
        
      
        
          Parole chiave
          reti neurali, machine learning, fotovoltaico, energia, statistica, probabilità, ottimizzazione
          
        
      
        
          Data di discussione della Tesi
          31 Marzo 2023
          
        
      
      URI
      
      
     
   
  
  
  
  
  
  
    
      Gestione del documento: 
      
        