Apprendimento automatico per l'ottimizzazione del consumo energetico nell'industria

Il libro è dedicato alla ricerca e allo sviluppo di metodi di apprendimento automatico per la previsione e l'ottimizzazione del consumo energetico degli stabilimenti industriali. La ricerca è stata condotta sulla base di dati reali relativi al consumo giornaliero di energia elettrica delle miniere della società Qarmet per il periodo 2014-2025. È stata effettuata un'analisi comparativa dei modelli RNN, LSTM, GRU e Transformer per la previsione a breve termine delle serie temporali. In base ai risultati degli esperimenti, il modello Transformer con una finestra di osservazione di 30 giorni e una previsione diretta a più passi è risultato il più efficace. Sulla base delle previsioni è stato sviluppato un metodo per livellare i picchi di carico, mantenendo invariato il consumo energetico complessivo. È stato realizzato un pacchetto software che garantisce la previsione, l'ottimizzazione e la visualizzazione dei risultati. L'approccio proposto può essere utilizzato come strumento di supporto al processo decisionale per migliorare l'efficienza energetica e pianificare i regimi di consumo energetico degli impianti industriali.