Come sviluppare accurati modelli di previsione della domanda
|
|
- Ricardo Ferri
- 7 anni fa
- Visualizzazioni
Transcript
1 Come sviluppare accurati modelli di previsione della domanda di gas: l esperienza di E.ON Simone Pirola Logistics Power & Gas Milano, 22 marzo 2011
2 Agenda 1. Il gruppo E.ON 2. Contesto normativo 3. EDM: elaborazione dei dati di consuntivo 3. Forecast gas: due approcci complementari 4. Il metodo dei giorni simili 5. Le reti neurali 6. Next steps
3 Agenda 1. Il gruppo E.ON 2. Contesto normativo 3. EDM: elaborazione dei dati di consuntivo 3. Forecast gas: due approcci complementari 4. Il metodo dei giorni simili 5. Le reti neurali 6. Next steps
4 Il gruppo E.ON
5 E.ON in Italia Liv. Ferraris 3 (821 MW) Fiume Santo (1.040 MW) Tavazzano (1.460 MW)Ostiglia (1.482 MW) Terni (681 MW) CEF 2 (150 MW) CET 2 (150 MW) Gas Gas/olio combustibile Carbone Idroelettrico Rinnovabili 5,9 GW Scandale 1 (814 MW) Distribuzione gas (2010) 3,2 1,3 0,6 0,5 0,3 1 50% E.ON 2 58,4% E.ON 3 75% E.ON Trapani (170 MW) Aree Distribuzione Gas CCGT Carbone / Olio / Altro Idroelettrico più ~ 280 MW di capacità eolica Punti di riconsegna Rete di distribuzione Km Gas vettoriato Mmc Vendite (2009) Energia elettrica 44,2 TWh Gas 25,7 TWh Clienti ~
6 Agenda 1. Il gruppo E.ON 2. Contesto normativo 3. EDM: elaborazione dei dati di consuntivo 3. Forecast gas: due approcci complementari 4. Il metodo dei giorni simili 5. Le reti neurali 6. Next steps
7 Contesto normativo Introduzione del SBSM Del. 137/02 e Codice di Rete DCO 46/10: consumo stimato annuo associato al PdR, Revisione Load Profiling (curve dinamiche)
8 Agenda 1. Il gruppo E.ON 2. Contesto normativo 3. EDM: elaborazione dei dati di consuntivo 3. Forecast gas: due approcci complementari 4. Il metodo dei giorni simili 5. Le reti neurali 6. Next steps
9 EDM: i dati di consuntivo Repository Benefici Dati di consumo Allocazioni REMI misure PdR Dati anagrafici Altitudine Profilo AEEG Contratti Volumi Dati meteo Temperature Irraggiamento Livello umidità Pulizia del dato completezza della serie Eliminazione spike Affidabilità e robustezza
10 EDM: i dati di consuntivo esempio di curva giornaliera in cui sono evidenziati i principali flags utilizzati per distinguere i diversi stati delle misure
11 Agenda 1. Il gruppo E.ON 2. Contesto normativo 3. EDM: elaborazione dei dati di consuntivo 3. Forecast gas: due approcci complementari 4. Il metodo dei giorni simili 5. Le reti neurali 6. Next steps
12 Forecast gas: due approcci complementari Il metodo dei Giorni Simili Valutazione del forecast partendo dall ipotesi di un comportamento analogo a parità di scenario previsivo Le reti neurali artificiali Modelli matematici che rappresentano l'interconnessione tra elementi definiti neuroni artificiali, ossia costrutti matematici che imitano le proprietà dei neuroni biologici
13 Agenda 1. Il gruppo E.ON 2. Contesto normativo 3. EDM: elaborazione dei dati di consuntivo 3. Forecast gas: due approcci complementari 4. Il metodo dei giorni simili 5. Le reti neurali 6. Next steps
14 Il metodo dei Giorni Simili Il metodo consiste nell individuazione di giorni simili (nel senso di confrontabili) con il giorno da prevedere, inclusi in una determinata finestra temporale settata dall utente L output generalmente è una media di questi valori,in funzione del calendario delle festività dell anno in corso
15 Il metodo dei Giorni Simili Tipo di previsione: orizzonte temporale breve Parametri di Forecast: -Calendario festività -Finestra di ricerca Giorni Simili -Valore Medio sul periodo
16 Il metodo dei Giorni Simili Esempio di applicazione: la previsione dei consumi dell anno 2009 è basata sui consuntivi 2008 con opportuni aggiustamenti di calendario ed eventuali modifiche nella forma della curva giornaliera
17 Il metodo dei Giorni Simili Il metodo dei giorni simili dimostra la sua efficacia nel prevedere i consumi di un cliente industriali con prelievo regolari nel tempo
18 Il metodo dei Giorni Simili Difetti: 1. Effetto smoothing dell utilizzo della media dei giorni 2. Forecast influenzato dal profilo stagionale impostato 3. La temperatura viene considerata in maniera non corretta 4. Se nel periodo il sistema non trova giorni simili non produce forecast
19 Agenda 1. Il gruppo E.ON 2. Contesto normativo 3. EDM: elaborazione dei dati di consuntivo 3. Forecast gas: due approcci complementari 4. Il metodo dei giorni simili 5. Le reti neurali 6. Next steps
20 Le reti neurali Le reti neurali artificiali nascono dall esigenza di riprodurre attività tipiche del cervello umano, come il riconoscimento di forme e caratteri, la percezione delle immagini, la comprensione del linguaggio e il coordinamento senso-motorio. Una rete neurale è in grado di apprendere dall esperienza ed elaborare risposte nuove anche di fronte a nuove situazioni. Essa riesce ad adattarsi all ambiente circostante e a modellare la realtà, imparando le leggi che la governano attraverso l esperienza. Le reti neurali artificiali prendono esempio dalla biologia e, in particolare, proprio dalla struttura del cervello umano. Pertanto possiamo definire un neurone artificiale come un modello matematico semplificato del neurone biologico, previsto di una funzione d attivazione che dipende dagli stimoli che riceve in input.
21 Le reti neurali I neuroni inviano segnali ad altri neuroni mediante un prolungamento detto assone I neuroni tipicamente possiedono strutture arboree chiamate dendriti che ricevono segnali inviati dagli assoni di altri neuroni mediante giunzioni dette sinapsi
22 Le reti neurali Le reti neurali artificiali (Artificial Neural Networks o ANN) sono una simulazione astratta del nostro sistema nervoso Il primo modello di neurone artificiale fu proposto nel 1943 da McCulloch e Pitts nei termini di un modello computazionale dell attività nervosa (Threshold Logic Unit) Def. Le Reti neurali artificiali sono reti interconnesse in via massivamente parallela di semplici elementi e delle loro organizzazioni gerarchiche, intese per interagire con gli oggetti del mondo reale in modo analogo ai sistemi nervosi biologici T.Kohonen (Helsinki University of Technology), An introduction to Neural Computing, in Neural Networks, vol.1, 1988]
23 Le reti neurali Le reti neurali si compongono di un primo strato (o strato di ingresso), dove vengono forniti i dati (formato da neuroni di input), uno stato che fornisce la risposta (detto anche strato di uscita, formato da neuroni di output) ed uno o più strati intermedi (composti da neuroni detti unità nascoste) che rielaborano i dati forniti nello strato di ingresso. Forma della funzione d attivazione, associata ad ogni nodo (tranne quelli di input): = f w + i y 0 wixi dove w 0 è il valore di soglia, x i sono i valori dei neuroni dello strato precedente e w i i pesi che collegano quest ultimi al nodo in esame
24 Le reti neurali il numero di neuroni dello strato intermedio non è fisso, ma può essere scelto a discrezione, sapendo che il tempo impiegato per l'apprendimento (da un punto di vista computazionale), sarà più elevato utilizzando più neuroni nello strato intermedio. Utilizzando più neuroni per lo strato intermedio o anche per gli altri strati, la rete avrà bisogno di maggiore tempo di addestramento senza ulteriori benefici nella bontà della stima (sovrapprendimento). L'apprendimento di una rete neurale consiste nella ricerca di un minimo di una funzione in uno spazio n-dimensionale. Tale funzione è data dalla variazione dell'errore in base ai pesi della rete. Si deve perciò modificare il valore dei vari pesi sinaptici (rafforzandone alcuni e indebolendone altri).
25 Le reti neurali Pregi possono essere impiegate in contesti dove i dati possono essere parzialmente errati o dove non esistono modelli analitici in grado di affrontare il problema le reti neurali lavorano in parallelo e sono quindi in grado di trattare molti dati adatte a descrivere un sistema nelle condizioni operative rispecchiate dai dati sperimentali (modello euristico) se una variabile è ridondante e non migliora il modello, viene automaticamente scartata Difetti i risultati ottenuti mediante le reti neurali restano molto efficienti ma non sono spiegabili in modo chiaro e dobbiamo accettarli così come sono (black box) necessitano di una fase di addestramento del sistema che può richiedere molto tempo la riuscita di una rete dipende molto dall'esperienza del creatore
26 Le reti neurali Input Variabili di supporto + Consumo storico REMI Calendario Temperatura (gradi giorno HDD) Umidità
27 Le reti neurali Load vs HDD Consumi [Smc] HDD 01/10/ 15/10/ 29/10 12/11/ 26/11/ 10/12/ 24/12 07/01 21/01/ 04/02 18/02 04/03 18/03 01/04 15/04 29/04 13/05 27/05 10/06 24/06 08/07 22/07 05/08 19/08 02/09 16/09 30/09 14/10/ 28/10 11/11/ 25/11/ 09/12 23/12 I prelievi dei City Gate (elevata concentrazione di clientela residenziale) sono sensibilmente correlati alla temperatura [es. correlazione 96%]
28 Le reti neurali Variabili di Input Tipo giorno [1,9] (gg settimana + festivi + ponti) Settimana [1,53] Progressivo GAS [1 winter, 0 summer] Temperatura stazione rif.
29 Le reti neurali Setup del modello ANN su sistema di forecast 1 neurone di output 5 neuroni nascosti 14 ricettori delle variabili di input
30 Propagazione dell impulso nella rete e forma di curva Le reti neurali
31 Le reti neurali Scelta modello intervalli in cui si ha disponibilità sia delle variabili di input sia della variabile di output su cui verrà effettuato il training Errore periodo learn + errore di verifica Periodo di verifica
32 Le reti neurali DRP (dynamic resilient propagation): il sistema di forecasting aggiunge indipendentemente i neuroni a uno o più strati nascosti, se determina che la precisione non migliora in misura sufficiente durante formazione; DRP1: analogo al DRP, salvo che il neurone supplementare è aggiunto al livello nascosto; RPR (resilient propagation): viene effettuato utilizzando una topologia di rete fissa che non viene automaticamente estesa, se l accuratezza non aumenta in misura sufficiente durante l'allenamento, ma a scelta dell utente; CAS (cascading), simile a DRP, salvo che i neuroni esistenti sono congelati (e quindi esclusi dall apprendimento continuo), quando un ulteriore neurone viene aggiunto al livello nascosto; CAS1, come per il CAS, salvo che il neurone supplementare è aggiunto al livello nascosto.
33 Le reti neurali Training della rete neurale: 1000 cicli di learn per ogni run Errore per periodo learn e di verifica Run a 3 neuroni nascosti e regola di evoluzione del modello
34 Le reti neurali 92% consumo civile 1 run: 4 neuroni Periodo : 1/10/ /11/2010 Errore: -su periodo learn 3,88 % - su stima (nov. 2010) 3,52%
35 Le reti neurali 90% consumo civile 1 run: 4 neuroni Periodo : 1/1/ /09/2010 Errore: -su periodo learn 4,53 % - su stima (set. 2010) 2,015%
36 Le reti neurali 98% consumo civile 1 run: 7 neuroni Periodo : 1/1/ /05/2010 Errore: -su periodo learn 5,11 % - su stima (mag. 2010) 1,29%
37 Le reti neurali (2 grafici) Analisi dei risultati: distribuzione dei valori stimati e dell errore
38 Analisi dei risultati: caso di rete non configurata correttamente Le reti neurali
39 Analisi dei risultati: intervallo di confidenza (95%) Le reti neurali
40 Agenda 1. Il gruppo E.ON 2. Contesto normativo 3. EDM: elaborazione dei dati di consuntivo 3. Forecast gas: due approcci complementari 4. Il metodo dei giorni simili 5. Le reti neurali 6. Next steps
41 Cluster Analysis 0, Next steps 1 0, ,9 0,8 0, ,7 0,6 0, ,5 0, ,4 0,3 0, ,2 0,1-0 0, , ,9 0, ,8 0, ,7 0, ,6 0, ,5 0, ,4 0, ,3 0, ,2 0, ,1-0
42 Bibliografia Ernesto Burattini e Roberto Cordeschi, Intelligenza Artificiale, Roma, Carocci Patarnello S., Le reti neuronali, Milano, Franco Angeli Giampiero Fabbri e Raimondello Orsini, Reti neurali per le scienze economiche, Franco Muzzio editore Meraviglia C., Le reti neurali nella ricerca sociale, Bologna, Il Mulino, Floreano D., Mattiussi C., Manuale sulle reti neurali, Bologna, Il Mulino, Pessa E., Statistica con le reti neurali, Roma, Di Renzo Editore, Amit, D. J. "Modeling brain function", 1989 New York, NY: Cambridge University Press. G. Finzi, A. Visioli, M. Volta: Analisi e controllo di sistemi dinamici. Un laboratorio informatico S.J.Russel, P. Norvig: Intelligenza Artificiale, Prentice Hall Mohamad H. Hassoun, Fundamentals of Artificial Neural Networks, MIT Press Patrizia Tabossi, Intelligenza naturale e intelligenza artificiale. Introduzione alla scienza cognitiva, Il Mulino, Bologna, 1997 P. Mc Corduck Storia dell'intelligenza artificiale, Muzzio, Milano, 1987
43 Grazie per l attenzione
Reti Neurali in Generale
istemi di Elaborazione dell Informazione 76 Reti Neurali in Generale Le Reti Neurali Artificiali sono studiate sotto molti punti di vista. In particolare, contributi alla ricerca in questo campo provengono
DettagliOtacon22 HgComo. Reti neurali artificiali
Otacon22 HgComo Reti neurali artificiali Chi sono? Daniele Iamartino ( aka Otacon22 ) Membro del team HgComo Studente/sperimentatore Futura matricola del PoliMi, ex liceale con tesina sulle reti neurali!
DettagliPrevisione della produzione. L esperienza del GSE.
Previsione della produzione. L esperienza del GSE. Gennaro Niglio, Direttore Previsione e Gestione Energia Milano, 8 maggio 2014-1 - CONTENUTI Contenuti La previsione del GSE. L attività di ottimizzazione
DettagliLimitare il problema della discontinuità dell immissione di energia tramite accurate previsioni: l esperienza del GSE
Limitare il problema della discontinuità dell immissione di energia tramite accurate previsioni: l esperienza del GSE Gennaro Niglio gennaro.niglio@gse.it Napoli 26 Marzo 2009, Congresso IIR Contenuti
DettagliLA GESTIONE DEGLI IMPIANTI FOTOVOLTAICI IN CONTO ENERGIA. LE ATTIVITÀ DEL GSE PER LA GESTIONE DELLA QUALIFICA SEU. Fiera Milano 8 maggio
LA GESTIONE DEGLI IMPIANTI FOTOVOLTAICI IN CONTO ENERGIA. LE ATTIVITÀ DEL GSE PER LA GESTIONE DELLA QUALIFICA SEU Fiera Milano 8 maggio 2014 Previsione della produzione: l esperienza del GSE Gennaro Niglio,
DettagliReti Neurali. Corso di AA, anno 2016/17, Padova. Fabio Aiolli. 2 Novembre Fabio Aiolli Reti Neurali 2 Novembre / 14. unipd_logo.
Reti Neurali Corso di AA, anno 2016/17, Padova Fabio Aiolli 2 Novembre 2016 Fabio Aiolli Reti Neurali 2 Novembre 2016 1 / 14 Reti Neurali Artificiali: Generalità Due motivazioni diverse hanno spinto storicamente
DettagliModelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
DettagliMODELLISTICA DI IMPIANTI E SISTEMI Syllabus e Testi di Riferimento Prof. Giuseppe Iazeolla
Syllabus e Testi di Riferimento MIS 1 di 7 MODELLISTICA DI IMPIANTI E SISTEMI Syllabus e Testi di Riferimento Prof. Giuseppe Iazeolla Syllabus da testo 1 (la numerazione fa riferimento ai capitoli del
DettagliL osservabilita delle reti di distribuzione e i benefici per il gestore del sistema elettrico
L osservabilita delle reti di distribuzione e i benefici per il gestore del sistema elettrico La Generazione Distribuita nel sistema elettrico I soli impianti fotovoltaici italiani equivalgono a 70 gruppi
DettagliIntroduzione alla psicologia generale
Introduzione alla psicologia generale 1 Che cos è la psicologia? Tentativi di definizione. Studio su base empirica della soggettività, espressa sia come stati di coscienza sia come manifestazione del comportamento
DettagliDATI SULLA PRODUZIONE ED OFFERTA DI ENERGIA ELETTRICA
REGIONE SICILIANA - ASSESSORATO INDUSTRIA UFFICIO SPECIALE PER IL COORDINAMENTO DELLE INIZIATIVE ENERGETICHE U.O. 2 DATI SULLA PRODUZIONE ED OFFERTA DI ENERGIA ELETTRICA AGGIORNATI AL MESE DI MARZO 2008
DettagliIntelligenza Artificiale. Soft Computing: Reti Neurali Generalità
Intelligenza Artificiale Soft Computing: Reti Neurali Generalità Neurone Artificiale Costituito da due stadi in cascata: sommatore lineare (produce il cosiddetto net input) net = S j w j i j w j è il peso
DettagliConvegno Assocarboni Trend dei prezzi, il ruolo e le sfide per il carbone. Roma, 8 aprile 2016
Convegno Assocarboni Trend dei prezzi, il ruolo e le sfide per il carbone Roma, 8 aprile 16 Agenda Gruppo EPH ed EP Produzione Evoluzione del prezzo delle commodities e degli spread di mercato Centrale
DettagliSolar Expo. Intermittenza e previsione delle rinnovabili non programmabili. 11 Maggio Gennaro Niglio
Solar Expo Intermittenza e previsione delle rinnovabili non programmabili 11 Maggio 2012 Gennaro Niglio Contenuti Il gruppo GSE Le fonti intermittenti La previsione svolta dal GSE Considerazioni finali
DettagliI sensori, in quanto interfaccia tra l ambiente esterno e i sistemi di. elaborazione e gestione, hanno un profondo impatto su prodotti di larga
CAPITOLO 1 INTRODUZIONE AI SENSORI IN FIBRA OTTICA 1.1 La sensoristica 1.1.1. Generalità I sensori, in quanto interfaccia tra l ambiente esterno e i sistemi di elaborazione e gestione, hanno un profondo
DettagliIncertezza di Misura: Concetti di Base
Incertezza di Misura: Concetti di Base Roberto Ottoboni Dipartimento di Elettrotecnica Politecnico di Milano 1 Il concetto di misura Nella sua accezione più comune si è sempre inteso come misura di una
DettagliAnalisi Univariata e Multivariata dei Dati Economici Bruno Ricca (Dipartimento di studi su risorse, impresa, ambiente e metodologie quantitative)
Programma di studio AA 2008-2009 Analisi Univariata e Multivariata dei Dati Economici Bruno Ricca (Dipartimento di studi su risorse, impresa, ambiente e metodologie quantitative) Modulo unico 10 cfu corso
DettagliDaniele Bucovaz. Milano, 08 novembre 2007
L importanza dei dati climatici per uno Shipper nel processo di previsione dei consumi di gas naturale Daniele Bucovaz Milano, 08 novembre 2007 ENOI SpA Gas trader indipendente #7 importatore di gas in
DettagliAlgieba progetto di rete per lo sviluppo di una piattaforma di gestione dell energia in ambito urbano
Ing. Alessandro Golfarelli Responsabile Area Tecnica Rinnova Algieba progetto di rete per lo sviluppo di una piattaforma di gestione dell energia in ambito urbano Workshop 1 RETE ALGIEBA Adesione di un
DettagliLa visione. Visione biologica ed elaborazione delle immagini
La visione Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Visione biologica ed elaborazione delle immagini La percezione
DettagliProiezione spaziale delle precipitazioni
PROGETTO RICLIC Regional Impact of Climatic Change in Lombardy Water Resources: Modelling and applications (RICLIC-WARM) Sottogruppo Proiezione spaziale delle precipitazioni Lucia De Biase, Andrea Mapelli
DettagliLAUREA SPECIALISTICA IN TEORIA E TECNOLOGIA DELLA COMUNICAZIONE. Presentazione agli studenti 18 e 24 maggio 2005
Università degli Studi di Milano Bicocca Facoltà di Psicologia Facoltà di Scienze Matematiche, Fisiche e Naturali LAUREA SPECIALISTICA IN TEORIA E TECNOLOGIA DELLA COMUNICAZIONE Presentazione agli studenti
DettagliSistemi Neurali Artificiali applicati alla Robotica e alla BioRobotica
Sistemi Neurali Artificiali applicati alla Robotica e alla BioRobotica PhD. Ing. Michele Folgheraiter Corso di ROBOTICA2 Prof.ssa Giuseppina Gini Anno. Acc. 2005/2006 Controllo Mediante Rete-Neurale -
DettagliINTRODUZIONE AI SISTEMI DI CLASSIFICAZIONE
INTRODUZIONE AI SISTEMI DI CLASSIFICAZIONE CON RETI NEURALI di G. Masala INTRODUZIONE Sistema di classificazione o riconoscimento Un sistema di classificazione [1][2] o di riconoscimento, considerato in
DettagliEvoluzione e limiti dell'intelligenza
Evoluzione e limiti dell'intelligenza Punti fondamentali dell'esposizione Come può essere definita l'intelligenza? Quali caratteristiche cerebrali ne sono alla base? Quali particolarità dell'essere umano
DettagliAlberi Decisionali Per l analisi del mancato rinnovo all abbonamento di una rivista
Alberi Decisionali Per l analisi del mancato rinnovo all abbonamento di una rivista Il problema L anticipazione del fenomeno degli abbandoni da parte dei propri clienti, rappresenta un elemento fondamentale
DettagliL intelligenza artificiale
L intelligenza artificiale Le macchine possono pensare? Le macchine sono intelligenti? AI (IA) La storia Il termine Intelligenza Artificiale (IA)) venne introdotto per la prima volta nel 1956 da John McCarthy,,
DettagliProgettazione di un sensore nanostrutturato per la misura della concentrazione ambientale di ammoniaca
Progettazione di un sensore nanostrutturato per la misura della concentrazione ambientale di ammoniaca Stage A2A presso il Dipartimento di Matematica e Fisica (Università Cattolica del Sacro Cuore - Brescia)
DettagliRichiesta di energia elettrica
GWh Luglio, 2015 Lo scenario energetico 2014 ed il primo semestre 2015 1 Il quadro dell energia elettrica in Italia si è chiuso nel 2014 con due elementi caratteristici: l ulteriore riduzione della domanda
DettagliINTELLIGENZA ARTIFICIALE (elementi) 6 cfu
INTELLIGENZA ARTIFICIALE (elementi) 6 cfu Prof.ssa Stefania Bandini Dott. Alessandro Mosca Dipartimento di Informatica, Sistemistica e Comunicazione Università di Milano-Bicocca www.lintar.disco.unimib.it
DettagliCapitolo 6 Le infrastrutture SoftWare
Capitolo 6 Le infrastrutture SoftWare Funzioni del sistema operativo Rendere utilizzabili le risorse fisiche presenti nel sistema informatico: garantire la correttezza e la precisione nell elaborazione
DettagliCAPITOLO 9 STATISTICHE INDICE
CAPITOLO 9 STATISTICHE INDICE CAPITOLO 9 STATISTICHE...2 9.1 OGGETTO...2 9.2 AMBITO DI APPLICAZIONE...2 9.3 RACCOLTA DELLE INFORMAZIONI...3 9.4 STATISTICHE MENSILI ED ANNUALI...4 Cap. 9 pag. 1 CAPITOLO
DettagliS. Vygotskij, L. S. Vygotskij,
I fattori esterni che generalmente vengono chiamati in causa per giustificare la crescita di attenzione verso il tema della conoscenza e dell apprendimento sono: Il ritmo accelerato del cambiamento tecnologico
Dettagli- rilevazione al 1 luglio 2012 -
I MERCURIALI DELL ENERGIA I prezzi del gas naturale praticati alle imprese lucane - rilevazione al 1 luglio 2012 - In sintesi Si allentano le tensioni sui prezzi fissi del gas naturale per le imprese lucane
DettagliApprendimento Automatico (Feature Selection e Kernel Learning)
Apprendimento Automatico (Feature Selection e Kernel Learning) Fabio Aiolli www.math.unipd.it/~aiolli Sito web del corso www.math.unipd.it/~aiolli/corsi/1516/aa/aa.html Servono tutti gli attributi? Gli
DettagliIntelligenza Artificiale A (lezione introduttiva parte di teoria)
Intelligenza Artificiale A (lezione introduttiva parte di teoria) Prof. Alfonso E. Gerevini Dipartimento di Elettronica per l Automazione Facoltà di Ingegneria Università degli Studi di Brescia Testo di
DettagliProgettazione della mesostruttura: la specializzazione orizzontale (parte prima)
Progettazione della mesostruttura: la specializzazione orizzontale (parte prima) Paolo Depaoli Supporti alle lezioni basate sul capitolo 5 del testo «La progettazione organizzativa» (a cura di Franco Isotta)
DettagliIndice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI
Indice Prefazione all edizione italiana Gli Autori e i Curatori dell edizione italiana XI XII PARTE PRIMA ASPETTI GENERALI Capitolo 1. Introduzione 1 1.1 La psicologia scientifica 1 1.2 I contesti della
DettagliLa matematica in azienda
Università degli Studi di Padova 10 maggio 2013 La matematica in azienda Un approccio open-source alla gestione del rischio nei mercati energetici About GALA GALA gruppo privato attivo nel settore energetico
DettagliSmart Grids Reti elettriche intelligenti
Smart Grids Reti elettriche intelligenti Convegno: Energia per l Europa Milano, 5 Giugno 2006 Livio Gallo, Direttore Divisione Infrastrutture e Reti Enel L Italia nel panorama europeo Consumo annuo (TWh)
DettagliConoscenza e simulazione mentale
Conoscenza e simulazione mentale Aspetti storici: cognitivismo, mente computazionale, mente modulare Mente simulativa, mente situata e radicata nel corpo (grounding cognition) Mappe cerebrali e mappe mentali
DettagliIntroduzione all Automatica. Automatica ROMA TRE Stefano Panzieri- 1
Introduzione all Automatica Automatica ROMA TRE Stefano Panzieri- 1 Descrivere un sistema fisico La mia moto è un sistema? Capire il suo comportamento Cosa é l Automatica Quanti Km faccio con un litro?
DettagliEfficienza energetica, fonti rinnovabili e domanda di energia
Efficienza energetica, fonti rinnovabili e domanda di energia Costantino Lato Direttore Efficienza e Energia Termica La domanda di energia continua a calare: dato congiunturale o strutturale? Roma 19 Marzo
DettagliQUALITA' DEL DATO Rilevazione statistica come processo di produzione di dati (micro,macro)
Qualità 1 QUALITA' DEL DATO Rilevazione statistica come processo di produzione di dati (micro,macro) Qualità di un prodotto: adeguatezza del prodotto all'uso per il quale è stato realizzato ovvero capacità
DettagliATMOSFERA, CARATTERIZZAZIONE METEOCLIMATICA
1 / 20 ST-001 ALLEGATO I ATMOSFERA, CARATTERIZZAZIONE METEOCLIMATICA 2 / 20 ST-001 DESCRIZIONE DELLE CONDIZIONI METEOCLIMATICHE Gli impianti di trattamento e di compressione gas della Concessione Stoccaggio
DettagliCome favorire la crescita economica nel rispetto dei vincoli UE
Come favorire la crescita economica nel rispetto dei vincoli UE Prof. Carlo Andrea Bollino Presidente XV Tavola Rotonda con il Governo Italiano Roma, 7 ottobre 2004 Proposte CNEL per revisione Patto di
DettagliMenu Il cervello bayesiano Come apprende il cervello? Il cervello computazionale : il senso del numero La teoria del riciclaggio neuronale Il modello del codice triplo Spunti, in breve Modelli della
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 4 Reti neurali per la classificazione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com
DettagliSistemi di regolazione, monitoraggio e controllo degli impianti di climatizzazione in edifici complessi e/o distretti energetici
Sistemi di regolazione, monitoraggio e controllo degli impianti di climatizzazione in edifici complessi e/o distretti energetici Le tecnologie tradizionalmente utilizzate per il condizionamento estivo
DettagliCircuiti e algoritmi per l elaborazione dell informazione
Università di Roma La Sapienza Facoltà di Ingegneria Laurea Specialistica in Ingegneria Elettronica Orientamento: Circuiti e algoritmi per l elaborazione dell informazione L x[n] y[n] Circuito: V g (t)
DettagliGENETICA QUANTITATIVA
GENETICA QUANTITATIVA Caratteri quantitativi e qualitativi I caratteri discontinui o qualitativi esibiscono un numero ridotto di fenotipi e mostrano una relazione genotipo-fenotipo semplice I caratteri
DettagliFONDAMENTI DI INTELLIGENZA ARTIFICIALE-M
FONDAMENTI DI INTELLIGENZA ARTIFICIALE-M A.A. 2010/2011 Docente: Prof. Paola Mello e-mail: paola.mello@unibo.it Tel: 051 2093818 Server web del modulo: http://www.lia.deis.unibo.it/courses/ai/fundamentalsai2010-11/
DettagliPrevisione BT dei prezzi MGP nazionale e zonali: Il progetto PriceCast in collaborazione con l Università di Verona
Previsione BT dei prezzi MGP nazionale e zonali: Il progetto PriceCast in collaborazione con l Università di Verona Fany Nan ifs Italia Università di Verona Mercati energetici e metodi quantitativi: un
DettagliCriteri di valutazione : Parametri considerati: 1: Professionalità, 2: Manualità, 3: Conoscenze, 4: Relazione finale.
Criteri di valutazione : Parametri considerati: 1: Professionalità, 2: Manualità, 3: Conoscenze, 4: Relazione finale. 1: Professionalità: (requisiti organizzativi e disciplinari).ordine/pulizia attrezzatura
DettagliIndagine conoscitiva sui prezzi dell energia elettrica e del gas come fattore strategico per la crescita del sistema produttivo del Paese
Indagine conoscitiva sui prezzi dell energia elettrica e del gas come fattore strategico per la crescita del sistema produttivo del Paese Miguel Antoñanzas Presidente e Amministratore Delegato E.ON Italia
DettagliI Bistabili. Maurizio Palesi. Maurizio Palesi 1
I Bistabili Maurizio Palesi Maurizio Palesi 1 Sistemi digitali Si possono distinguere due classi di sistemi digitali Sistemi combinatori Il valore delle uscite al generico istante t* dipende solo dal valore
DettagliModellazione di sistemi ingegneristici (parte 1 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 1 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
DettagliCorso di Linguaggi di Programmazione + Laboratorio
Corso di inguaggi di Programmazione + aboratorio Capitolo 1 - Introduzione Si ringrazia il Dott. Marco de Gemmis per la collaborazione nella predisposizione del materiale didattico Apprendimento di un
DettagliProcedure, modelli e strumenti per la rilevazione, gestione e previsione dei dati da parte dei grossisti
Procedure, modelli e strumenti per la rilevazione, gestione e previsione dei dati da parte dei grossisti Andrea Moratto Head of Portfolio Management and Logistics E.ON Energia SpA Milano, 1/4/2009 AGENDA
DettagliENERGIA E ILLUMINAZIONE: RISPARMIO, EFFICIENZA, INNOVAZIONE
venerdi 27 febbraio 2015 ENERGIA E ILLUMINAZIONE: RISPARMIO, EFFICIENZA, INNOVAZIONE Introduzione Anomalie della temperatura terrestre dal 1880 al 2012 Temperature Difference -2-1 0 +1 +2 Celsius Introduzione
DettagliCaos e atmosfera. Il problema della predicibilità nella fisica dell'atmosfera. 11 giugno 2010
Introduzione Caos e atmosfera Il problema della predicibilità nella fisica dell'atmosfera 11 giugno 2010 CRMA - Centro Regionale di Modellistica Ambientale ARPA FVG Palmanova - Italy Dario B. Giaiotti
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
DettagliEnergia: Strategia, Efficienza, Competitività. E.ON Italia S.p.A. Intervento di Klaus Schäfer Presidente e Amministratore Delegato
Energia: Strategia, Efficienza, Competitività E.ON Italia S.p.A. Intervento di Klaus Schäfer Presidente e Amministratore Delegato Agenda 1. Il gruppo E.ON 2. Efficienza energetica e contributo di E.ON
DettagliDCO 01/11. Osservazioni e proposte ANIGAS. Milano, 15 febbraio Pagina 1 di 5
DCO 01/11 Indennizzi automatici per mancato rispetto della periodicita di emissione delle fatture di energia elettrica e di gas naturale da parte del venditore per causa imputabile al distributore Osservazioni
DettagliBudget. Budget di PERIODO. di INIZIATIVA MASTER BUDGET. Simulazioni economiche. Obiettivi generali del piano operativo. Obiettivi generali del budget
Processo di misurazione finanziario e patrimoniale Fabbisogno di capitale fisso di capitale circolante Mezzi di copertura ITER DI COSTRUZIONE DEL BUDGET Piani d azione pluriennali vendite produzione funzioni
DettagliL analisi macroeconomica in TIM
Osservatorio Congiunturale 17 marzo 216 Strategy & Innovation Strategic Planning Agenda Obiettivo dell attività Output Work in progress 2 L analisi macroeconomica nel processo aziendale di Telecom Italia
DettagliIntegrazione dei sistemi per la ricarica dei veicoli elettrici in ottica smart grid e il progetto Strade Verdi
Integrazione dei sistemi per la ricarica dei veicoli elettrici in ottica smart grid e il progetto Strade Verdi ing. Andrea Bianchin - Deval SpA ing. Davide Falabretti - Politecnico di Milano Workshop Tecnico
DettagliTHE BRAIN BEHIND YOUR BUSINESS
CONCEPT STORE THE BRAIN BEHIND YOUR BUSINESS www.sinapsesystem.com SINAPSE / OVERVIEW Sinapse è un sistema software a plugin che connette, come in una rete neurale, entità semplici che collaborano per
DettagliPrincipali differenze tra sinapsi neuromuscolare e sinapsi centrali
Sinapsi centrali ed Integrazione sinaptica Principali differenze tra sinapsi neuromuscolare e sinapsi centrali Le sinapsi neuromuscolari utilizzano come neurotrasmettitore Ach Le sinapsi centrali utilizzano
DettagliCOMUNE DI PARTINICO SETTORE TECNICO ED ATTIVITA' PRODUTTIVE
COMUNE DI PARTINICO SETTORE TECNICO ED ATTIVITA' PRODUTTIVE Delibera del Consiglio Comunale n. 28 del 13.07.2012 "Protocollo di Intesa per la Delocalizzazione della Distilleria Bertolino s.p.a." PROGETTO
DettagliStatistica Aziendale Avanzata
PROGRAMMA del corso, informazioni e fonti bibliografiche Statistica Aziendale Avanzata Modulo A / Modulo B Organizzazione del corso Anno Accademico 2015/16 Codice 91019 Docente responsabile prof.ssa Silvia
DettagliMetodologie informatiche per la chimica
Metodologie informatiche per la chimica Dr. Sergio Brutti Metodologie di analisi dei dati Strumenti di misura Uno strumento di misura e un dispositivo destinato a essere utilizzato per eseguire una misura,
DettagliAccuratezza, precisione, tipi di errori e cifre significative dei dati analitici.
Accuratezza, precisione, tipi di errori e cifre significative dei dati analitici. Indice: 1. Lettura della buretta pag.2 2. Precisione ed Accuratezza pag.3 3. Tipi di errori pag.4 4. Affidabilità di una
DettagliData mining e geostatistica per la realizzazione di un Sistema a Supporto delle Decisioni
Data mining e geostatistica per la realizzazione di un Sistema a Supporto delle Decisioni Diego Guidotti Aedit s.r.l. Il problema La mosca delle olive Data Mining Lo sviluppo dei sistemi informativi aumenta
DettagliIl Cambiamento e l Innovazione nella Professione: il Controllo Direzionale
Il Cambiamento e l Innovazione nella Professione: il Controllo Direzionale I sistemi di controllo nelle aziende bergamasche: risultati di una ricerca empirica Prof. Cristiana CATTANEO Bergamo, 21 settembre
DettagliRuolo dell Attuario nell ambito delle nuove soluzioni telematiche. 16 Giugno 2016
Ruolo dell Attuario nell ambito delle nuove soluzioni telematiche 16 Giugno 2016 Introduzione NUOVO SCENARIO TECNOLOGICO Quanto spesso usiamo gli strumenti tecnologici come Smartphone e Tablet ecc.? Come
DettagliI SISTEMI AUTOMATICI
I SISTEMI AUTOMATICI GENERALITA I sistemi automatici trovano la più ampia diffusione in tutti i settori: dalle linee di produzione; ai mezzi di trasporto; alle applicazioni civili;... CARATTERISTICHE RICHIESTE
DettagliSmart 169MHz
Smart Metering @ 169MHz Pianificazione ed ottimizzazione di una rete Wireless M-Bus Case Study Roberto Messina Account Manager La nostra storia Sedicomè un azienda italiana che vanta 30 anni di esperienza
DettagliCorso di formazione ambientale Introduzione all utilizzo dei modelli previsionali per la valutazione dei livelli di campo elettromagnetico
Corso di formazione ambientale Introduzione all utilizzo dei modelli previsionali per la valutazione dei livelli di campo elettromagnetico Scopo dei modelli previsionali per la valutazione dei livelli
DettagliModelli generativi per sequenze: Recurrent Temporal Restricted Boltzmann Machines
Modelli generativi per sequenze: Recurrent Temporal Restricted Boltzmann Machines Alberto Testolin Computational Cognitive Neuroscience Lab Dipartimento di Psicologia Generale Università degli studi di
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliModellazione di Workflow mediante le Reti di Petri. Prof. Giancarlo Fortino
Modellazione di Workflow mediante le Reti di Petri Prof. Giancarlo Fortino g.fortino@unical.it Introduzione Il successo di un sistema di workflow si basa sulla qualità dei flussi di lavoro che lo compongono.
DettagliQUANTO È DAVVERO NECESSARIO IL CAPACITY PAYMENT: VALUTAZIONI SULL ADEGUATEZZA DEL SISTEMA ITALIANO
Solarexpo, Fiera di Milano, 8 maggio 214 QUANTO È DAVVERO NECESSARIO IL CAPACITY PAYMENT: VALUTAZIONI SULL ADEGUATEZZA DEL SISTEMA ITALIANO Andrea Zaghi Responsabile Ufficio Studi Per valutare l adeguatezza
DettagliA proposito di informatica
A proposito di informatica Sguardo d insieme sulla disciplina: una mappa delle materie e delle loro relazioni Università degli Studi di Milano Dipartimento di Informatica Bootstrap Day - 26 settembre 2016
DettagliUNA LETTURA DEL 15 CENSIMENTO GENERALE DELLA POPOLAZIONE E DELLE ABITAZIONI
UNA LETTURA DEL 15 CENSIMENTO GENERALE DELLA POPOLAZIONE E DELLE ABITAZIONI a cura del Centro Studi sull Economia Immobiliare - CSEI Tecnoborsa Tecnoborsa torna ad affrontare i temi dell ultimo Censimento
DettagliGrandezze fisiche e loro misura
Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e caratterizzati da entità o grandezze misurabili.
DettagliLe aree dell informatica
Fondamenti di Informatica per la Sicurezza a.a. 2006/07 Le aree dell informatica Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università
DettagliPer un vocabolario filosofico dell informatica. Angelo Montanari Dipartimento di Matematica e Informatica Università degli Studi di Udine
Per un vocabolario filosofico dell informatica Angelo Montanari Dipartimento di Matematica e Informatica Università degli Studi di Udine Udine, 11 maggio, 2015 Obiettivi del corso In un ciclo di seminari,
DettagliIntroduzione agli Algoritmi Genetici ed alle Reti Neurali
Introduzione agli Algoritmi Genetici ed alle Reti Neurali Maurizio Palesi Introduzione agli Algoritmi Genetici ed alle Reti Neurali 1 Sommario Algoritmi Genetici Introduzione e applicazioni Terminologia
DettagliMarketing avanzato per i beni e i servizi. Prof. Nicola Cobelli
Marketing avanzato per i beni e i servizi Prof. Nicola Cobelli MERCATO TARGET e POSIZIONAMENTO (cap. 9) A. COPERTURA TOTALE DEL MERCATO Marketing indifferenziato Marketing differenziato QUOTA DI MERCATO
Dettagli5. Applicazione ai dati sperimentali, un modello di previsione delle temperature
5. Applicazione ai dati sperimentali, un modello di previsione delle temperature 5.1 Ricostruzione dello spazio delle fasi L utilizzo del teorema di embedding per ricostruire lo spazio delle fasi relativo
Dettaglii Giorgio Buttazzo Scuola Superiore Sant Anna - Pisa
Intelligenza Artificiale i e Coscienza Artificiale i Giorgio Buttazzo Scuola Superiore Sant Anna - Pisa Progressi nell ultimo secolo Il progresso della tecnologia negli ultimi 100 anni ha seguito un andamento
DettagliSupporti Informativi Meteorologici per gli Operatori dell Energia
Torna al programma Supporti Informativi Meteorologici per gli Operatori dell Energia P.Bonelli, M.Bernardi, P.Faggian, A.Pigini, D.Ronzio CESI -- Milano Mercato Libero Competitività CESI Aumento della
DettagliPROGRAMMAZIONE DISCIPLINARE LICEO SCIENTIFICO OPZIONE SCIENZE APPLICATE INFORMATICA CLASSE TERZA
PROGRAMMAZIONE DISCIPLINARE PROGRAMMAZIONE DISCIPLINARE LICEO SCIENTIFICO OPZIONE SCIENZE APPLICATE INFORMATICA CLASSE TERZA 1. Competenze: le specifiche competenze di base disciplinari previste dalla
DettagliUnione Europea. Ministero dell Interno PRESENTAZIONE DEI PROGETTI MODELLO C
Unione Europea Ministero dell Interno Avviso pubblico per la presentazione di progetti finanziati sul Fondo Europeo per l Integrazione di cittadini di Paesi terzi Annualità 2010 PRESENTAZIONE DEI PROGETTI
DettagliElaborazione realizzata con Energy Planning ANALISI ENERGETICA CON SOLUZIONI PER LA CLIMATIZZAZIONE
Energy Planning ANALISI ENERGETICA CON SOLUZIONI Data, 30/05/2016 Spett.le il software Smart Planning ANALISI ENERGETICA con Soluzioni per la climatizzazione dalcin@idrosistemi.it Dati edificio Località
DettagliSISTEMI DI CONTROLLO TIPI DI CONTROLLO
1 SISTEMI DI CONTROLLO OBIETTIVI Comprendere il concetto di controllo automatico Comprendere la differenza tra controllo ad anello aperto e ad anello chiuso Acquisire gli strumenti matematici per l analisi
DettagliStoria della psicologia I. Le origini e l Introspezionismo di Wundt
Storia della psicologia I Le origini e l Introspezionismo di Wundt 1 Origini della psicologia La psicologia ha, da un lato, una lunghissima preistoria e, dall altro, una storia relativamente breve. E una
DettagliSmart Grid: il futuro può essere adesso. Monizza G. Scalera P. ABB S.p.A.
Smart Grid: il futuro può essere adesso Monizza G. Scalera P. ABB S.p.A. Forum Telecontrollo Reti Acqua Gas ed Elettriche Roma 14-15 ottobre 2009 Evoluzione dei sistemi elettrici Reti tradizionali Generazione
DettagliPiù trasparenza nel punto vendita
Più trasparenza nel punto vendita Molto professionale e facile da comprendere. Un grande valore aggiunto! STORCK Perfetto! P&G Davvero stupefacente! tegut Ecco la soluzione al problema che fin ora nessuno
Dettagli