Integrazione di Modelli Fisici e Machine Learning per il fotovoltaico: la pubblicazione su IEEE

Integrazione di Modelli Fisici e Machine Learning per il fotovoltaico: la pubblicazione su IEEE

Vi comunichiamo la pubblicazione del paper “Experiments and Comparison of Digital Twinning of Photovoltaic Panels by Machine Learning Models and A Cyber-Physical Model in Modelica” sulla rivista scientifica IEEE Transactions on Industrial Informatics.

Il team di Dofware, in collaborazione con UNITO, ha implementato nell’ambito del progetto HOME un modello in grado di riprodurre il comportamento e la produttività dei pannelli fotovoltaici.

L’approccio ideato è frutto della cooperazione tra modelli fisici e modelli di Machine Learning.

Con Modelica è stato sviluppato un gemello digitale del pannello fotovoltaico incentrato sulla riproduzione delle sue proprietà fisiche, mentre con l’applicazione di tecniche di Machine Learning sono stati sfruttati i dati rilevati da campo per generare un gemello digitale alternativo. Il risultato migliore è stato ottenuto dall’integrazione dei due approcci, arrivando a predizioni molto accurate ed attendibili.

Questa soluzione apre la strada a nuove vie di sviluppo, nelle quali modelli fisico-numerici e di machine-learning possono contribuire in maniera rapida ed efficace a miglioramenti finora difficilmente prevedibili, non solo nell’ambito fotovoltaico.

Per approfondire i risultati:

CONTATTACI

Per informazioni e per scaricare il paper:

https://ieeexplore.ieee.org/abstract/document/9525233

Qtronic User Conference 2018 Virtual ECUs and Applications

Qtronic User Conference 2018 Virtual ECUs and Applications

Berlino 18-19 Ottobre 2018

Per celebrare i 10 anni dei tool Silver e TestWeaver, QTronic ha organizzato una conferenza sulle applicazioni delle ECU virtuali nello sviluppo dei software automotive.

Il 19 verrà invece effettuata una giornata di formazione pratica gratuita.

Dettagli e modalità di iscrizione sono sul sito di Qtronic.