RENEWABLE ENERGY SMART MANAGEMENT

Ingegneria Informatica RENEWABLE ENERGY SMART MANAGEMENT

0622700113
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
EQF7
COMPUTER ENGINEERING
2022/2023

YEAR OF COURSE
YEAR OF DIDACTIC SYSTEM 2022
SPRING SEMESTER
CFUHOURSACTIVITY
324LESSONS
324LAB
Objectives
Obiettivi formativi
L’insegnamento ha l'obiettivo di presentare le modalità di integrazione e gestione delle fonti rinnovabili all’interno di una rete elettrica intelligente che sia in grado di massimizzare la produzione di energia e ottimizzarne l’impiego.
Viene descritto il principio di funzionamento di generatori fotovoltaici ed eolici e sistemi di accumulo dell’energia elettrica e formulati i relativi modelli comportamentali.
Si presentano le problematiche tecnico-economiche relative alla gestione dei flussi energetici sia su reti elettriche tradizionali che di tipo smart in cui viene superata la distinzione netta tra produttori e utilizzatori di energia elettrica.
Adottando i modelli introdotti, vengono proposti casi studio riguardanti applicazioni su nano-scala, quindi residenziale/commerciale, micro-scala, ad esempio relativo ad una comunità energetica, o macro-scala, avvero aggregazioni di reti elettriche intelligenti.
L’attività progettuale avrà come obiettivo l’applicazione di tecniche di ottimizzazione e di intelligenza artificiale per l’energy management, per la predizione della produttività energetica di fonti rinnovabili e per l’efficientamento energetico.

Conoscenze e capacità di comprensione

•conoscenza dei principi fondamentali che sono alla base del funzionamento delle moderne reti elettriche
•conoscenza dei modelli fondamentali di generatori che sfruttano fonti di energia rinnovabili, di sistemi di accumulo di energia elettrica e delle reti elettriche
•conoscenza dei principali aspetti tecnico-economici e delle opportunità di sviluppo della green energy che favoriscono l’integrazione di sistemi che sfruttano fonti energetiche rinnovabili e di sistemi di accumulo in una rete elettrica intelligente
•conoscenza degli algoritmi per la gestione dei flussi di energia elettrica in una rete intelligente

Conoscenze e capacità di comprensione applicate

•saper utilizzare semplici modelli circuitali e/o comportamentali per descrivere la produttività energetica di sistemi che sfruttano fonti di energia rinnovabile, anche attraverso l'utilizzo di dati meteorologici e serie storiche. I modelli mettono in relazione le condizioni ambientali ed operative, ad esempio il soleggiamento, la temperatura, la velocità del vento, ed i parametri geometrici della sorgente, come ad esempio la superficie e l’orientamento dei moduli fotovoltaici e il diametro delle pale eoliche, con tensione, corrente e potenza erogata dal generatore. Tali modelli vengono usati per risolvere problemi di ottimizzazione e/o predizione della produttività energetica.
•saper rappresentare il funzionamento di un sistema di accumulo dell’energia elettrica, ad esempio una batteria al piombo o al litio, attraverso le relazioni tra stato di carica ed energia immagazzinata, lo stato di salute e i cicli di carica-scarica.
•saper mettere in relazione la quantità di energia che è possibile accumulare con una assegnata batteria con la variabilità e discontinuità della produzione di potenza da fonti rinnovabili e con la quantità di potenza scambiata con la rete di distribuzione, anche tenendo conto della potenza richiesta dai carichi e dei costi, entrambi variabili nel tempo.
•saper valutare le condizioni di funzionamento che garantiscono la capacità di alimentare i carichi garantendo il minor scambio di energia con la rete di distribuzione, oppure il minor costo di impianto o il minor costo di esercizio, ad esempio accumulando in batteria l’energia prodotta dalla fonte rinnovabile e comprandola dalla rete di distribuzione quando è disponibile ad un prezzo vantaggioso, e rivendendola in una fascia oraria che garantisce il massimo ricavo al gestore.
•saper risolvere problematiche di gestione degli scambi energetici tra sorgenti e carico, e coordinare il funzionamento delle utenze, connesse sia ad una rete elettrica tradizionale che intelligente, in risposta all’andamento del prezzo dell’energia e alla previsione della produttività energetica delle fonti rinnovabili, anche mediante tecniche basate sull’intelligenza artificiale.
Prerequisites
LO STUDENTE DEVE CONOSCERE GLI ELEMENTI DI BASE DELL’ELETTROTECNICA, DEGLI ALGORITMI AVANZATI E DELLE STRUTTURE DATI.
Contents
Unità didattica 1: GENERATORI FOTOVOLTAICI
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/0/0)
- 1 (2 ORE Lezione): generazione di energia da sistemi fotovoltaici
- 2 (2 ORE Lezione): modelli di produttività energetica in funzione delle variabili ambientali
- 3 (2 ORE Lezione): modelli circuitali e curve corrente-tensione e potenza-tensione
- 4 (2 ORE Lezione): produzione in condizioni di ombreggiamento parziale
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: comprensione degli elementi di base della produzione di energia da sistemi fotovoltaici e dei modelli che ne permettono la simulazione
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper formulare semplici algoritmi di simulazione della potenza elettrica prodotta da sorgente fotovoltaica

Unità didattica 2: GENERATORI EOLICI
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/0/0)
- 1 (2 ORE Lezione): generazione di energia da sistemi eolici
- 2 (2 ORE Lezione): modelli di produttività energetica in funzione delle variabili ambientali
- 3 (2 ORE Lezione): curve caratteristiche e massimizzazione della potenza prodotta
- 4 (2 ORE Lezione): caratteristiche dei sistemi disponibili sul mercato
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: comprensione degli elementi di base della produzione di energia da sistemi eolici e dei modelli che ne permettono la simulazione
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper formulare semplici algoritmi di simulazione della produzione di potenza elettrica da sorgente eolica

Unità didattica 3: BATTERIE E SISTEMI DI ACCUMULO DELL’ENERGIA ELETTRICA
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/0/0)
- 1 (2 ORE Lezione): capacità e sistemi di accumulo
- 2 (2 ORE Lezione): stato di carica di una batteria
- 3 (2 ORE Lezione): modello circuitale e comportamentale di un sistema di accumulo
- 4 (2 ORE Lezione): cenni ai sistemi di accumulo basati sull’idrogeno
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: comprensione degli elementi di base dell’accumulo di energia elettrica e dei modelli che ne permettono la simulazione nell’ambito di un sistema più ampio
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper formulare semplici algoritmi di simulazione di sistemi di accumulo dell’energia

Unità didattica 4: RETI INTELLIGENTI DI ENERGIA ELETTRICA
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/0/0)
- 1 (2 ORE Lezione): reti elettriche
- 2 (2 ORE Lezione): reti elettriche che includono fonti rinnovabili e sistemi di accumulo
- 3 (2 ORE Lezione): reti elettriche connesse alla rete di distribuzione ed operanti in isola
- 4 (2 ORE Lezione): aspetti tecnico-economici relativi all’energia elettrica
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: comprensione degli elementi di base del funzionamento delle moderne reti elettriche
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper formulare semplici algoritmi di simulazione degli scambi energetici che avvengono in una rete elettrica

Unità didattica 5: ANALISI DEL FUNZIONAMENTO DI RETI INTELLIGENTI DI ENERGIA ELETTRICA
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 0/8/0)
- 1 (2 ORE Esercitazione): formulazione del modello della micro-rete
- 2 (2 ORE Esercitazione): definizione dei vincoli di funzionamento dei sistemi connessi alla micro-rete
- 3 (2 ORE Esercitazione): ruolo della produzione intermittente di energia da fonte rinnovabile
- 4 (2 ORE Esercitazione): definizione dei parametri relativi ai costi dell’energia elettrica scambiata con la rete
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: comprensione degli elementi di base della simulazione dei flussi energetici nelle moderne reti elettriche
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper formulare semplici algoritmi di simulazione del flusso di energia in una rete elettrica tenendo conto degli aspetti tecnico-economici del problema

Unità didattica 6: OTTIMIZZAZIONE DEL FUNZIONAMENTO DI RETI INTELLIGENTI DI ENERGIA ELETTRICA
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 0/8/0)
- 1 (2 ORE Esercitazione): esempio di predizione della produttività energetica da fonte rinnovabile
- 2 (2 ORE Esercitazione): esempio di ottimizzazione del funzionamento di una micro-rete connessa alla rete di distribuzione
- 3 (2 ORE Esercitazione): esempio di ottimizzazione del funzionamento di una micro-rete operante in isola
- 4 (2 ORE Esercitazione): esempi applicativi in contesti reali
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: comprensione degli elementi di base della ottimizzazione dei flussi energetici nelle moderne reti elettriche
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: saper utilizzare semplici algoritmi di ottimizzazione applicandoli ai modelli di micro-reti sviluppati in precedenza

TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 32/16/0
Teaching Methods
L’INSEGNAMENTO PREVEDE 48 ORE DI LEZIONE (6CFU) RIPARTITI FRA 32 ORE DI LEZIONE IN AULA E 16 DI ESERCITAZIONE.
Verification of learning
IL RAGGIUNGIMENTO DEGLI OBIETTIVI DELL’INSEGNAMENTO È CERTIFICATO MEDIANTE IL SUPERAMENTO DI UN ESAME ORALE CON VALUTAZIONE IN TRENTESIMI ED EVENTUALE LODE. LA VERIFICA CONSISTERÀ NELLA DISCUSSIONE DELL'APPLICAZIONE PROGETTUALE SVILUPPATA DALLO STUDENTE, EVENTUALMENTE IN GRUPPO, DURANTE IL CORSO E FINALIZZATA AD ACCERTARE IL LIVELLO DI CONOSCENZA E CAPACITÀ DI COMPRENSIONE RAGGIUNTO DALLO STUDENTE, LA CAPACITÀ DI ESPOSIZIONE, LA CAPACITÀ DI ORGANIZZAZIONE AUTONOMA DEL LAVORO E LA CAPACITA' DI LAVORARE IN GRUPPO.

IL LIVELLO DI RAGGIUNGIMENTO DEGLI OBIETTIVI DELL’INSEGNAMENTO E’ CERTIFICATO MEDIANTE IL SUPERAMENTO DI UN ESAME AL TERMINE DELL'INSEGNAMENTO (DURATA: CIRCA 30 MINUTI). LA VERIFICA PREVEDE LO SVILUPPO E LA DISCUSSIONE DI UN ELABORATO CHE ILLUSTRI, MEDIANTE UNA PRESENTAZIONE DI 20 MINUTI E SUCCESSIVA DISCUSSIONE DI 10 MINUTI, LA SOLUZIONE DEL PROBLEMA INGEGNERISTICO PROPOSTO E IMPOSTATO DURANTE LE ORE DI ESERCITAZIONE E DI LABORATORIO.

L'ESAME CONSENTIRÀ DI VERIFICARE LE SEGUENTI CAPACITÀ: CONOSCENZA E COMPRENSIONE, APPLICARE LE COMPETENZE ACQUISITE, ESPOSITIVA, COMUNICATIVA, ELABORARE SOLUZIONI IN AUTONOMIA DI GIUDIZIO SULLA BASE DELLE SCELTE DEI MODELLI EFFETTUATE, DELLE STRATEGIE DI CONTROLLO DEFINITE, DELL'EFFICACIA IMPLEMENTATIVA DELLA SOLUZIONE PROPOSTA E DELLA COERENZA COMPLESSIVA DELLE SCELTE EFFETTUATE. LA CAPACITÀ ESPOSITIVA, NELLA RELAZIONE E NELL'ESPOSIZIONE ORALE, CONCORRE ALLA DETERMINAZIONE DEL VOTO, ESPRESSO IN TRENTESIMI CON EVENTUALE LODE.

IL LIVELLO DI VALUTAZIONE MINIMO (18) È ATTRIBUITO QUANDO LO STUDENTE DIMOSTRA INCERTEZZE NELL’APPLICAZIONE DEI METODI DI SOLUZIONE DEL PROBLEMA PROPOSTO E HA UNA LIMITATA CONOSCENZA DELLE PRINCIPALI PROPRIETÀ DEI SISTEMI UTILIZZATI.

IL LIVELLO MASSIMO (30) È ATTRIBUITO QUANDO LO STUDENTE DIMOSTRA UNA CONOSCENZA COMPLETA ED APPROFONDITA DEI METODI ED È IN GRADO DI RISOLVERE I PROBLEMI PROPOSTI PERVENENDO IN MODO EFFICIENTE E ACCURATO ALLA SOLUZIONE E MOSTRA UNA NOTEVOLE CAPACITÀ DI COLLEGARE LE PROPRIETÀ DEI DIVERSI TIPI DI SISTEMI.

LA LODE VIENE ATTRIBUITA QUANDO IL CANDIDATO DIMOSTRA SIGNIFICATIVA PADRONANZA DEI CONTENUTI TEORICI E OPERATIVI E MOSTRA DI SAPER PRESENTARE GLI ARGOMENTI CON NOTEVOLE PROPRIETÀ DI LINGUAGGIO E CAPACITÀ DI ELABORAZIONE AUTONOMA ANCHE IN CONTESTI DIVERSI DA QUELLI PROPOSTI DAL DOCENTE.
Texts
URSULA EICKER, SOLAR TECHNOLOGIES FOR BUILDINGS, WILEY

N.FEMIA, G.PETRONE, G. SPAGNUOLO, M.VITELLI: "POWER ELECTRONICS AND CONTROL TECHNIQUES FOR MAXIMUM ENERGY HARVESTING IN PHOTOVOLTAIC SYSTEMS", CRC PRESS, TAYLOR & FRANCIS, DICEMBRE 2012

G. PETRONE, C.A. RAMOS PAJA, G. SPAGNUOLO: PHOTOVOLTAIC SOURCES MODELING, 1ST EDITION, IEEE WILEY, 2017.

MATERIALE DIDATTICO INTEGRATIVO SARÀ DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO.
More Information
L'INSEGNAMENTO E' EROGATO IN INGLESE.
  BETA VERSION Data source ESSE3 [Ultima Sincronizzazione: 2022-09-16]