Artificial intelligence and new technologies for photovoltaic systems in the Italian scenario

The rapid depletion of conventional energy sources and the ever-increasing demand for more energy coupled with the focus on environmental issues has encouraged intensive research into new sources of energy and clean fuel. Although inferior to other technologies in terms of installed capacity, photovoltaic (PV) is currently the most important Distributed Generation (DG) technology all over the world. The growth of the Italian solar market has been largely policydriven and depended on financial support from the government since July 2005 when the Industry and Environment Ministers approved the introduction of FITs for photovoltaic energy systems. These tariffs have been revised until June 2013 when PV incentives were cut. To that date a total of 17.4GW of PV capacity from 549, 877 PV systems were installed. Distributed grid-connected photovoltaic is playing an increasingly significant role in the Italian scenario as an electric supply resource and as an integral part of the electrical grid. As is well known, electricity systems can benefit from the integration of small-scale PV-DG. However, PV poses notable challenges to grid engineers, planners and operators. An important challenge posed by grid-connected PV is the rapid output variations that occur when clouds cause shadows on panels or due to the "cloud edge effect". In this thesis the problem is addressed using neural network based techniques to forecast the output of PV plants and lithium batteries to smooth the power exported to the grid. Another problem faced is the efficiency loss due to hot temperatures. In this discussion a novel prototype of an active cooling system for PV module is presented. Another issue occurs when there is high penetration of PV in parts of the distribution system dominated by residential end-users and the amount of power generated by the PV exceeds the total demand. In this work energy management techniques are presented to shift household loads in the peak production hours and lithium batteries are used to store the excess of energy produced and reuse it during night time.

Il sempre più rapido declino delle fonti di energia tradizionali, la crescente domanda di energia e il problema ambientale hanno spinto negli ultimi anni la ricerca verso lo sfruttamento di nuove fonti di energia pulite. Sebbene inferiore ad altre fonti energetiche in termini di capacità installata il solare fotovoltaico (FV) è tuttora la più importante fonte di generazione distribuita (GD) del pianeta. La crescita del mercato italiano è stata spinta da una serie di decreti per l’incentivazione della tecnologia FV, iniziati nel 2005 con il cosiddetto "Primo Conto Energia". Le tariffe incentivanti per la produzione di energia da solare fotovoltaico sono state oggetto di continue modifiche fino al Giugno 2013 quando il governo ha deciso di eliminare definitivamente incentivi per i nuovi impianti installati. Con quasi 550,000 impianti e 17,4 GW di potenza installata, la generazione distribuita di FV ha un ruolo molto importante nello scenario italiano come parte integrante della rete nazionale. Sebbene da un lato il sistema elettrico benefici della presenza di sistemi di generazione distribuita, dall’altro sorgono numerosi problemi di integrazione dovuti alla natura dell’energia solare. Una questione importante da fronteggiare è quella della variabilità della produzione (ad esempio per via del rapido passaggio di nubi). In questo lavoro di tesi si cercherà di affrontare il problema mediante algoritmi di previsione basati su reti neurali e con l’ausilio di sistemi di storage dell’energia. Un ulteriore problema legato al FV è quello della perdita di efficienza dovuta all’innalzamento della temperatura del pannello. In questa discussione verrà mostrato e studiato un innovativo prototipo di un sistema attivo di raffreddamento della superficie dei moduli. Per ultimo verrà esaminato il problema della differenza temporale tra energia prodotta e consumo di utenti residenziali, sia dal punto di vista di energy management a livello domestico che mediante l’uso di batterie, necessarie per stoccare l’eccesso di energia nei periodi di produzione di picco.