Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Sistemi Gerarchici Modulari per il modellamento e l’Energy Management di Comunità Energetiche Rinnovabili tramite tecniche di Machine Learning e Computational Intelligence |
|---|---|
| Titolo del progetto di ricerca in inglese | Modular Hierarchical Systems for the modeling and Energy Management of Renewable Energy Communities using Machine Learning and Computational Intelligence techniques |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Electronic engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-IND/31 - ELETTROTECNICA |
| Descrizione sintetica in italiano | L'obiettivo principale di questa ricerca è la sintesi di un sistema real-time di gestione dell'energia gerarchico e modulare (HEMS) per l’ottimizzazione dei flussi energetici in Microgrids (MGs) e Comunità energetiche Rinnovabili (CER). L’obiettivo di tale HEMS consiste nel massimizzare gli incentivi di esercizio per ammortizzare al meglio i costi di installazione di impianti PV, Energy Storage Systems (ESSs) e altri dispositivi, favorendo la diffusione delle tecnologie a energia rinnovabile. La complessità di un tale sistema suggerisce l'uso di Fuzzy Inference Systems (FIS) per l'implementazione di EMS ed Evolutionary Computation (EC) per il training. Algoritmi di time series forecasting basati su deep learning saranno impiegati per le previsioni day-ahead e real-time open-loop delle serie temporali di interesse. Il risultato principale finale sarà un framework software in Python scalabile, riutilizzabile e open-source. |
| Descrizione sintetica in inglese | The main objective of this research is the synthesis of a hierarchical and modular real-time energy management system (HEMS) for the optimization of energy flows in Microgrids (MGs) and Renewable Energy Communities (CERs). The objective of this HEMS is to maximize operating incentives to best amortize the installation costs of PV systems, Energy Storage Systems (ESSs) and other devices, encouraging the diffusion of energy-efficient technologies. renewable energy. The complexity of such a system suggests the use of Fuzzy Inference Systems (FIS) for EMS implementation and Evolutionary Computation (EC) for training. Deep learning-based time series forecasting algorithms will be used for day-ahead and real-time open-loop forecasts of the time series of interest. The final core deliverable will be a scalable, reusable, open-source Python software framework. |
| Data del bando | 11/06/2024 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://web.uniroma1.it/trasparenza/dettaglio_bando_albo/219520/2024-07-11T00%3A00%3A00 |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Importo annuale | 19367 |
| Valuta | Euro |
| Nome dell'Ente finanziatore | Università La Sapienza |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Roma |
| Codice postale | 00184 |
| Indirizzo | via eudossiana 18 |
| Sito web | https://web.uniroma1.it/trasparenza/dettaglio_bando_albo/219520/2024-07-11T00%3A00%3A00 |
| g.giannini@uniroma1.it | |
| Telefono | 0644585866 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 11/07/2024 |
|---|---|
| Come candidarsi | https://xup-diet.cloud/ |