Descrizione posizione

Titolo del progetto di ricerca in italiano	Stima dell'inerzia basata su machine learning in moderni sistemi power 2022_RTDB_DEIB_7
Titolo del progetto di ricerca in inglese	Machine learning-based estimation of inertia in modern electrical power systems 2022_RTDB_DEIB_7
Descrizione sintetica in italiano	La presente attività è volta allo sviluppo di nuovi metodi basati su machine learning per la stima dell'inerzia nelle reti elettriche. L'obiettivo principale della ricerca è quello di fornire, in tempo reale, una stima dell'inerzia di una rete elettrica utilizzando una quantità limitata di dati facilmente disponibili nelle reti moderne. Il sistema sviluppato deve inoltre essere in grado di stimare l'inerzia nascosta della rete, ossia quella non attribuibile a generatori sincroni. Quest'ultimo obiettivo riveste particolare importanza dal momento che le reti elettriche attuali contengono in parte sempre maggiore sorgenti rinnovabili collegate alla rete di distribuzione tramite inverter, che non contribuiscono inerzia tradizionale al sistema. Oltre a metodologie classiche di machine learning, si studieranno metodi basati su reti neurali artificiali e in particolare si applicherà un approccio basato sul deep learning.
Descrizione sintetica in inglese	This activity aims at developing a novel maching learning-based approach to estimating the inertia of an electrical power system. The main objective of this investigation is to provide a real-time estimate of a power network inertia based on a limited quantity of easily accessible data. A second goal is that of estimating the so-called hidden inertia, i.e., the share of total inertia that cannot be attributed to synchronous power generators. This latter objective has particular importance given that modern power networks are made up of an increasing share of renewable energy sources, connected to the distribution network by inverters, which do not add conventional inertia to the power system. The computational methodologies applied to this problem will range from conventional machine learning techniques to modern artificial neural networks: in particular, we will investigate the application of a deep learning approach to this problem.
Numero posti	1
Settore Concorsuale	09/E1 - ELETTROTECNICA
S.S.D	ING-IND/31 - ELETTROTECNICA
Destinatari del bando (of target group)	Experienced researcher or 4-10 yrs (Post-Doc)
Data del bando	22/02/2022

 

FP7 / PEOPLE / Marie Curie Actions

Research Framework Programme / Marie Curie Actions	No

 

Dettagli dell'impiego

Tipo di contratto	Temporary
Tempo	Full-time
Organizzazione/Ente	Politecnico di Milano
Paese (dove si svolgerà l'attività)	ITALY
Città	Milano

 

Contatto presso l'Organizzazione/Ente

Organizzazione/Ente	Politecnico di Milano
Tipo	Academic
Paese	ITALY
Città	Milano
E-mail	concorsi@polimi.it
Sito web	https://www.polimi.it/en/faculty-and-staff/calls-and-competitions/calls-and-competitions-for-researchers/competitions-for-temporary-positions/

 

Dettagli per la candidatura

Data di scadenza del bando	19/04/2022
Come candidarsi	Other

 

Titoli di studio richiesti

Laurea	PhD or equivalent
Ambito della laurea	Other

 

Lingue richieste

Lingua	ENGLISH
Livello di conoscenza della lingua	Excellent