Machine Learning Applicato al Mercato Elettrico Italiano 2017-11-06T12:10:04+00:00

Project Description

Obiettivo del lavoro è lo studio delle modalità di offerta di una centrale termoelettrica (UP) sul mercato elettrico italiano. In particolare si cercherà di classificare le offerte dell’UP sul mercato dei servizi del dispacciamento (MSD) e del bilanciamento (MB) in accettate e rifiutate, sfruttando tecniche di machine learning. L’attività prevede una parte di raccolta di tutti i dati pubblici relativi ai potenziali fattori che possano influenzare l’accettazione delle offerte (previsioni di fabbisogno elettrico, previsioni meteorologiche, indisponibilità di altre unità di produzione, limiti di transito sulle linee di trasmissione, transiti con le nazioni estere, chiusure dei mercati gas italiani ed esteri, prezzi gas, previsioni di produzione da fonti convenzionali e rinnovabili – eolica, fotovoltaica ed idroelettrica – etc.), la loro elaborazione, trasformazione e messa in qualità al fine di ottenere un dataset pronto per l’analisi. In seguito si confronteranno tecniche di classificazione tradizionali (alberi, random forest, SVM, regressione logistica) con metodologie deep learning e di gradient boosting, per valutare i potenziali vantaggi di queste ultime nell’ambito di applicazione illustrato. Gli strumenti di lavoro utilizzati saranno Sqoop per la fase di caricamento dati da database relazionali aziendali su Hadoop, Hive per la parte di ETL e Python per la modellizzazione delle offerte. Più in dettaglio, si vogliono approfondire librerie Python dedicate al machine learning ed al deep learning in ambiente open source.

Project Details