Servizi per la didattica
PORTALE DELLA DIDATTICA

Machine learning in energy applications

01GMCRV

A.A. 2022/23

Course Language

Inglese

Course degree

Doctorate Research in Ingegneria Elettrica, Elettronica E Delle Comunicazioni - Torino

Course structure
Teaching Hours
Lezioni 10
Teachers
Teacher Status SSD h.Les h.Ex h.Lab h.Tut Years teaching
Lazzeroni Paolo   Ricercatore a tempo det. L.240/10 art.24-B ING-IND/31 10 0 0 0 1
Teaching assistant
Espandi
Context
SSD CFU Activities Area context
*** N/A ***    
Statistiche superamento esami
La gestione dei sistemi energetici e’ oggigiorno orientata sempre di più all’utilizzo di algoritmi intelligenti per lo sfruttamento ottimale della produzione di energia con l’obiettivo generale di ridurre i costi operativi e/o delle emissioni di gas climalteranti garantendo il soddisfacimento della domanda da parte delle utenze. In questo contesto, in cui anche lo sfruttamento della produzione da fonte rinnovabile sta assumendo un ruolo fondamentale nella transizione energetica, l’utilizzo delle tecniche di machine learning risulta particolarmente interessante per la previsione e la classificazione dei consumi e della produzione di energia. Il corso, dopo una introduzione su alcune delle tecniche di machine learning, presenterà principalmente una loro applicazione in ambito energetico (es. clustering dei profili di carico, reti neurali per non intrusive load monitoring, etc.).
Nowadays, the management of energy systems is increasingly oriented to the use of algorithms for the optimal exploitation of energy production aiming at reducing the operational costs and/or GHG emissions while ensuring the supply of energy demand to end-users. In this context, where the exploitation of RES production is assuming a fundamental role in the energy transition, the interest in using machine learning is arising for the prediction and classification of consumption and energy production. The course, after an introduction to some of the machine learning techniques, mainly presents some applications in the energy field (e.g., clustering of load profiles, neural networks for non-intrusive load monitoring, etc.).
Master degree in engineering
Master degree in engineering
1. Introduction to optimization of energy systems 2. Introduction to machine learning techniques for energy application 3. Application examples
1. Introduction to optimization of energy systems 2. Introduction to machine learning techniques for energy application 3. Application examples
In presenza
On site
Sviluppo di project work in team
Team project work development
P.D.2-2 - Settembre
P.D.2-2 - September
© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti