Previsioni giudicate dalle decisioni che rendono possibili

La mia tesi di dottorato, Advanced Photovoltaic and Load Power Forecasting Methods for Optimal Microgrid Scheduling, studia come previsione e ottimizzazione debbano essere progettate insieme. La prassi convenzionale addestra i modelli di previsione per l'accuratezza statistica e ne consegna l'output a uno scheduler. Mostro che questa separazione lascia valore inutilizzato e sviluppo metodi di previsione addestrati sul costo delle decisioni che alimentano.

Il lavoro va dal metodo all'applicazione: previsione sensibile al costo e orientata alla decisione, garanzie per modelli che continuano ad apprendere mentre il sistema è in esercizio, coordinamento di più previsori all'interno di un unico sistema di gestione dell'energia, addestramento consapevole del rischio per i giorni che contano di più e strumenti diagnostici che indicano all'operatore quali errori di previsione sono davvero costosi. Ogni metodo è validato su una microrete reale di laboratorio con produzione fotovoltaica, accumulo a batteria e ricarica di veicoli elettrici, e all'interno di progetti di ricerca europei.