Insegnamento mutuato da: - CIRCUITI E SISTEMI ELETTRICI PER LE SMART GRID Laurea Magistrale in INGEGNERIA ELETTRICA E DELL'AUTOMAZIONE Curriculum INGEGNERIA ELETTRICA
Lingua Insegnamento
ITALIANO/INGLESE
Contenuto del corso
Power Quality ed energia nelle smart grid. Microreti ibride AC/DC e integrazione delle energie rinnovabili e dello stoccaggio dell'energia elettrica. Convertitori di Interfaccia Intelligenti (IFCs). Sistemi per la gestione della potenza e dell’energia. Controllo delle Smart Microgrid. Artificial Intelligence (AI), Computational Intelligence (CI), Machine Learning (ML), Artificial Neural Network (ANN) e Applicazioni in ambito Smart Grid.
S. Russell, P. Norvig, “Intelligenza artificiale: Un approccio moderno”, 2/e, Pearson It. Prentice Hall, 2005, ISBN: 88-7192-2228-X (1476 pp.);
Igor Aizenberg, “Complex-Valued Neural Networks with Multi-Valued Neurons”, Springer, 2011 (262 pp.);
I. Goodfellow, Y. Bengio, A. Courville, “Deep Learning”, MIT Press, 2016 (785 pp.);
S. Haykin, “Neural Networks and Learning Machines”, 3/e, Prentice Hall, 2008, (936 pp);
E. Mocanu, “Machine Learning applied to Smart Grids”, Technische Universiteit Eindhoven Press, 2017 (143 pp.); free access
Jason Bell, “Machine Learning - Hands-On for Developers and Technical Professionals, Wiley, 2016 (380 pp.); free access da unifi
Obiettivi Formativi
Il corso fornisce agli studenti le conoscenze relative ai concetti e agli strumenti fondamentali per la progettazione, l’analisi e lo sviluppo di Smart Grid, nonché le competenze per l’utilizzo di strumenti informatici, come MATLAB, OpenModelica e PowerWorld, per la simulazione e la verifica delle prestazioni.
Il corso offre un'introduzione ai concetti di base dei sistemi di potenza insieme agli elementi intrinseci dell'intelligenza computazionale, dell’intelligenza artificiale, della tecnologia di comunicazione e del sistema di supporto alle decisioni. Pertanto, durante il corso, verranno:
analizzate le strutture dei sistemi elettrici di potenza tipici e, in particolare, delle reti di distribuzione elettrica esistenti nonché delle loro condizioni operative di base;
affrontati i principali problemi relativi ai flussi di potenza in regimi non sinusoidali, con particolare attenzione al flusso della potenza non attiva;
presentati una visione di come le smart grid trasformeranno le reti elettriche attuali in sistemi energetici moderni, affidabili e sostenibili e le modalità per rendere le reti elettriche più resilienti;
mostrati lo stato di avanzamento della ricerca ed i risultati delle realizzazioni di smart grid in Italia, analizzando progetti pilota realizzati su reti di distribuzione esistenti.
Al termine del corso gli studenti saranno in grado di:
capire l'architettura dei sistemi elettrici esistenti e le loro condizioni operative di base;
sviluppare modelli appropriati per i sistemi di distribuzione elettrica;
effettuare lo studio di griglia di distribuzione (flusso di potenza, corto circuito ecc.) scrivendo / utilizzando semplici programmi informatici;
comprendere la protezione e l'automazione delle reti di distribuzione esistenti;
comprendere i concetti di smart grid e microgrid, rispetto alla griglia di distribuzione convenzionale e identificare le loro opportunità e le barriere;
comprendere i sistemi e sistemi di stoccaggio delle energie rinnovabili nonché la loro integrazione di griglia;
capire l'integrazione di veicoli elettrici con batterie ricaricabili in reti di distribuzione.
Prerequisiti
Non sono previste propedeuticità.
In ogni caso possono essere d’aiuto le conoscenze acquisite nei corsi di:
Impianti Elettrici
Sistemi elettrici per l'energia
Macchine Elettriche e
Convertitori di Potenza.
Misure Elettriche/Elettroniche.
Metodi Didattici
Il corso da 9 CFU si sviluppa su due semestri, secondo la seguente suddivisione: I Semestre
30 ore di Lezioni frontali in aula;
6 ore di esercitazioni di laboratorio;
80 ore circa di studio individuale.
II Semestre
20 ore di Lezioni frontali in aula;
2 ore di Seminari;
14 ore di esercitazioni di laboratorio;
80 ore circa di studio individuale e per la redazione di elaborati progettuali.
Al termine del primo semestre, è prevista una prova intermedia per la verifica del livello di apprendimento raggiunto dagli studenti.
L'esame (9 crediti) consiste nel superamento di una prova orale e dalla stesura e discussione di un elaborato. La versione da 6 crediti non richiede (ma non preclude) lo svolgimento dell’elaborato. La predisposizione dei temi degli elaborati si concentra comunque prevalentemente nella seconda parte del corso (3 crediti del II semestre).
La prova orale verterà su tutto il programma e si svolgerà con una serie di tre domande a cui dovrà essere data una risposta partendo dalla trattazione teorica e, se previsto dalla domanda, con l'applicazione pratica di quanto esposto.
Per partecipare alle sessioni di esame è necessario sempre iscriversi ( ed eventualmente cancellarsi) attraverso il servizio «Prenotazione Esami» di Ateneo.
________________________________________
Per gli studenti frequentanti è prevista una modalità d'esame semplificata che tiene conto delle attività svolte durante lo svolgimento del corso e consente di ottenere l'esonero dalla prova orale. Essa consta di due prove scritte intercorso il cui voto medio risultante può essere direttamente verbalizzato (versione 6 crediti) o integrato (con peso 2/3, nella versione a 9 crediti) con l’elaborato. Chi risultasse non sufficiente, non soddisfatto o assente ad una prova scritta intercorso può comunque richiedere di sostenere una prova orale integrativa.
____________________________________
L'esame mira a verificare, attraverso le varie modalità di attuazione:
conoscenze e capacità di comprensione: tramite le lezioni in aula, lo studente apprende le principali metodologie per l'analisi e la comprensione del funzionamento dei sistemi, dei circuiti, degli impianti elettrici e dei metodi di machine learning utilizzati nelle smart grid.
autonomia di giudizio: i metodi di analisi e le tecniche di gestione studiate forniscono allo studente la possibilità di analizzare, monitorare e gestire le smart grid;
abilità comunicative: le lezioni teoriche forniscono allo studente la capacità di usare in modo appropriato la terminologia della disciplina, con particolare riferimento ai termini internazionali relativi alle smart grid e all'analisi del flusso di potenza e della power quality, in modo da poter esprimere i concetti appresi con linguaggio appropriato e poter sostenere una discussione in merito agli argomenti trattati;
capacità di apprendimento: le attività descritte consentono allo studente di acquisire gli strumenti metodologici per proseguire gli studi e per potere provvedere autonomamente al proprio aggiornamento.
Programma del corso
Parte 1 - Circuiti per le smart grid - Prof. F. Grasso
Potenza in regime non sinusoidale e Power Quality.
Analisi dei problemi di Power Quality e metodi per la riduzione dei disturbi
Normativa tecnica per la Power Quality e la connessione alle reti di distribuzione e trasmissione.
Sistemi di filtraggio per impianti elettrici.
Microreti ibride AC/DC.
Integrazione delle energie rinnovabili e dello stoccaggio dell'energia.
Economic Dispatch e Optimal Power Flow
Modellizzazione di convertitori di potenza per le Smart Grid
Sistemi per la gestione della potenza e dell’energia.
Smart Devices e sistemi di monitoraggio dell'efficienza energetica
Cenni di tecniche di comunicazione nelle Smart Microgrids.
Compensazione armonica nelle microreti ibride intelligenti.
Parte 2: Machine Learning applicato alle smart grid (Prof. Antonio Luchetta)
Definizione di Artificial Intelligence (AI), Computational Intelligence (CI), Machine Learning (ML), Artificial Neural Network (ANN).
Aspetti condivisi dai sistemi CI.
Principio di funzionamento del neurone biologico. Campi di applicazioni dei sistemi CI-ML.
Possibili applicazioni dei sistemi CI-ML in ambito Smart Grid.
Il neurone elementare a Perceptron (o neurone artificiale di McCulloch&Pitts).
Funzione di attivazione (fda) di un neurone artificiale: definizione e tipi di fda usati in pratica.
Topologie di ANN in relazione alla stratificazione e al flusso dati. Definizione di Apprendimento (Learning) e tipi di apprendimenti utilizzati in pratica.
Reti neurali a singolo strato: Perceptron Net (Rosenblatt) e Adaline (Widrow-Hoff).
Rete Neurale feedforward multistrato MLP con apprendimento supervisionato a backpropagation,
Teorema di Approssimazione Universale (Cybenko, 1989).
Metodo del “momento” per reti MLP.
Topologia neurale feedforward Time Delayed (TDNN) e Recurrent Sincrona (RNN).
Problematiche relative alla generazione degli insiemi di apprendimento.
Ridondanza delle informazioni, PCA lineare e non-lineare.
Codifica e normalizzazione dei dati di ingresso e di uscita. Corretta valutazione dell’errore.
Il problema della generalizzazione: cause e rimedi.
Reti neurali di tipo Recurrent (Asynchronous): la rete di Hopfield. Funzione Energia. Legge di apprendimento di Hebb. Meccanismo di “memorizzazione” e di “riconoscimento”.
Reti neurali di tipo Recurrent (Asynchronous): la rete di Kohonen (Self Organizing Map): Morfologia, bolle di attivazione, algoritmo di apprendimento.
Principali tecniche di ottimizzazione non lineare: PSO, GA, Fronti di Pareto, algoritmi e problematiche relative ai minimi locali.
Seminari parte 1 e 2 (Prof. G.Fioriti)
Esercizio, misura ed operations: evoluzione vs le smart grid
Sviluppo e digitalizzazione rete di distribuzione, correlazione con transizione energetica. articolazione per finalità
Piani pluriennali dei principali DSO
Obiettivi Agenda 2030 per lo sviluppo sostenibile
Questo insegnamento concorre alla realizzazione degli obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile: