Previsione a breve termine della produzione fotovoltaica mediante immagini del cielo

La crescente diffusione degli impianti fotovoltaici rende sempre più rilevante lo sviluppo di metodi accurati per la previsione della produzione di energia elettrica su orizzonti temporali brevi. In particolare, la disponibilità di immagini del cielo consente di integrare informazioni sulla copertura nuvolosa e sulla sua evoluzione all'interno dei modelli previsionali.

La tesi propone lo sviluppo e la valutazione di tecniche per la previsione a breve termine (fino a circa un'ora) della produzione fotovoltaica a partire da immagini del cielo. Il dataset comprende immagini del cielo associate a misure di produzione fotovoltaica e ad altre variabili rilevanti per il problema di previsione.

L'attività potrà prevedere lo sviluppo di modelli basati su tecniche di Machine Learning e Deep Learning per l'analisi delle immagini, eventualmente considerando anche la loro evoluzione temporale. Le prestazioni ottenute saranno confrontate con quelle di approcci previsionali più tradizionali, basati su serie temporali e variabili meteorologiche, nonché con possibili approcci ibridi che combinino informazioni provenienti dalle immagini con dati numerici.

Un ulteriore obiettivo della tesi sarà analizzare il rapporto tra quantità di dati disponibili e complessità del modello, valutando in quali condizioni l'impiego di tecniche di Deep Learning risulti vantaggioso rispetto ad approcci più semplici. Lo studio potrà quindi includere esperimenti con dataset di dimensione progressivamente ridotta, al fine di caratterizzare accuratezza, requisiti di dati e costo computazionale delle diverse metodologie.