Tecniche di Intelligenza Artificiale per la risoluzione del problema di schedulazione della produzione idroelettrica

Abstract

La produzione di elettricità da fonti rinnovabili è un elemento chiave per il futuro, grazie alle sue proprietà ecologiche e alle sue risorse quasi illimitate. Per sfruttare al meglio il suo potenziale, negli ultimi anni sono state utilizzate numerose tecniche informatiche con una crescente attenzione nell'analisi dei dati. In particolare, le centrali idroelettriche a bacino possono essere di supporto decisivo nel garantire l'equilibrio della rete energetica, intervenendo quando necessario per coprire le carenze di energia e avendo la capacità di organizzare e pianificare la produzione. Le società che gestiscono il dispacciamento, l'acquisto e la vendita di energia elettrica, come EGO, hanno bisogno di programmare al meglio la produzione negli impianti che gestiscono, in modo da sfruttare l'acqua disponibile nel bacino nei momenti in cui l'elettricità è più richiesta e il prezzo dell'energia è più alto. In questa tesi, cerchiamo di sfruttare alcuni formalismi di Intelligenza Artificiale nell'ambito della Rappresentazione della Conoscenza e del Ragionamento, che hanno avuto successo in numerosi campi, tra cui la pianificazione e la programmazione, per trovare una tecnica efficiente in grado di risolvere il problema della schedulazione della produzione idroelettrica (hydro generation scheduling problem).

Electricity generation from renewable sources is a key element for the future due to its ecological properties and endless resources. To improve to the best of its potential, in recent years numerous computer techniques and an increasing focus on data analysis have been exploited in this area. In particular, reservoir hydropower plants can be of decisive support in ensuring the balance of the energy grid, acting when needed to cover energy shortages, and having the ability to be scheduled and programmed over time horizons. Companies that manage the dispatching, buying and selling of electricity, such as EGO, need to schedule the output of the power plants they operate in the best possible way, so as to take advantage of the water available in the reservoir at the times when electricity is most in demand and the price of energy is higher. In this thesis we aim to exploit Artificial Intelligence formalisms from Knowledge Representation and Reasoning, which have been successful in numerous fields including planning and scheduling, to find an efficient technique for solving the hydro generation scheduling problem.