1 - Titolo della ricerca

ACONS (Application of COmplex Networks on Smart grid)

2 - Parole chiave

Complex Networks, Big Data, meccanica statistica delle reti, Smart Grid

3 - Abstract

Nell’era odierna una delle maggiori sfide per l’uomo è quella di trovare una soluzione
sostenibile in termini economici e soprattutto ambientali nella produzione e
distribuzione delle risorse energetiche. Le attuali reti spesso risultano essere
completamente inefficienti e obsolete per le richieste di energie elettrica sia a livello
industriale che nell’uso quotidiano e lo scenario si complica se viene considerata
l’energia prodotta da fonti rinnovabili, dato che non è garantito un servizio costante
ma aleatorio. Dunque in futuro è indispensabile che alla ricerca nel campo della
produzione di energia da fonti rinnovabili vada di pari passo il miglioramento della
rete di distribuzione dell’energia (RDE), nell’ottica di ridurre la dipendenza dai
combustibili fossili e di conseguenza la riduzione delle emissioni atmosferiche,
principale fattore dei cambiamenti climatici in accordo con i punti 9, 11, 12 e 13 della
nuova Agenda per lo sviluppo sostenibile delle Nazioni Unite (Agenda 2030).
L’idea che è alla base di questo progetto è l’investigazione delle conoscenze
teoriche note in meccanica statistica applicabili nel contesto delle smart grid (SG),
ossia quelle reti che gestiscono in maniera ottimizzata la distribuzione dell’energia in
maniera tale da bilanciare l’offerta e la domanda. Notevoli sono i benefici che si
possono ottenere adottando reti intelligenti come, ad esempio, evitare il sovraccarico
dovuto a momenti di alta produttività di energia oppure problemi legati
all’interruzione per manutenzione o guasti.
Le avanzate conoscenze nel campo della meccanica statistica delle reti hanno
permesso di poter studiare questo problema e di ottenere importanti risultati, ma c’è
ancora molto su cui si deve lavorare.

4 - Descrizione del progetto

Negli ultimi anni le conoscenze sulle reti in meccanica statistica si stanno
dimostrando di fondamentale interesse in campi differenti dalla fisica data la
plasticità dei modelli che permette di applicarli in vari contesti, come ad esempio
quello economico, sociale e informatico per citarne alcuni. La sfida diventa più ardua
aumentando la complessità delle reti, passo inevitabile per rappresentare nel modo
migliore un sistema reale [1].
Questo progetto punta nella ricerca di possibili applicazioni di queste conoscenze
nelle reti di distribuzione dell’energia, in particolare rispetto a due ambiti: il primo è
capire come creare un modello il più simile ad una rete reale e inferire lo stato della
stessa rispetto a un determinato benchmark e il secondo sapere interpretare il flusso
di informazioni che provengono dalla rete reale e soprattutto cosa accade in
condizioni di assenza di alcune informazioni.
La struttura di una RDE è possibile rappresentarla con un grafo a multilayer (dove
ogni layer rappresenta una determinata informazione) e in generale attraverso un
factor graph, mentre l’intensità flusso bidirezionale di elettricità è rappresentato da
connessioni bidirezionali e opportunamente pesate [2].
Per inferire lo stato di una rete bisogna andare a valutare la distribuzione di
probabilità alla luce di un insieme di informazioni a priori, quindi in maniera pratica la
marginale di tale distribuzione di probabilità. Un modo per ricavare la marginale è
attraverso algoritmi di message passing, come il belief propagation (BP).
Assumendo che ogni nodo rappresenta la potenza conferita in quel punto dalla rete
e imponendo il vincolo della conservazione dell’energia sono stati ottenuti in [3]
(utilizzando il benchmark IEEE-118 e IEEE-300 [7]) ottimi risultati sia in termini di
velocità di esecuzione (questo tipo di algoritmo ha una dinamica temporale che scala
con la taglia del sistema) che soprattutto in termini di mancanza di informazioni.
Questi risultati sono stati ottenuti a seguito di una riduzione della taglia del sistema
eseguendo un coarse graining della rete e introducendo delle opportune variabili.
Purtroppo si hanno alcune limitazioni all'applicabilità di questo algoritmo, in
particolare quando il grafo che rappresenta la rete possiede dei loop corti (elemento
caratteristico delle reali reti di distribuzione) oppure le correlazioni sono a lungo
raggio poiché la convergenza non è sempre assicurata. Questo problema è uno dei
punti principali di questo progetto, anche nell’ottica di continuazione con il tema che
presento come dissertazione di tesi magistrale. Allo stato dell’arte, infatti, ci si limita
a considerare un grafo localmente come un albero, osservando che in generale si
hanno risultati che cambiano solamente sotto l’aspetto quantitativo e l’algoritmo
subisce un notevole rallentamento [3].
Il monitoraggio costante della RDE fornisce un continuo flusso di dati che deve
essere acquisito, processato e analizzato con il fine di stabilire lo stato della rete.
Questo fenomeno è connotabile nel campo dei big data, dove negli ultimi tempi la
meccanica statistica sta mettendo piede. I problemi relativi ai big data nelle SG sono
legati a diverse fonti come i dati delle unità di misura dei fasori (PMU), i modelli di
consumo di energia e i dati misurati dai contatori intelligenti dell'infrastruttura di
misurazione avanzata (AMI), i prezzi del mercato dell'energia e i dati sulle offerte di
monitoraggio, controllo, manutenzione, automazione e gestione delle
apparecchiature di sistema [4,5]. Inoltre, questo flusso di dati può essere soggetto
ad errori, alla ridondanza o alla perdita di informazioni, che rendono l’insieme di tali
processi più complicato da studiare. Il presente progetto vuole indagare gli effetti
della mancanza di informazioni all’interno di un database (in linea con quanto
discusso per il precedente ambito) descrivibile attraverso la mancanza di nodi e/o
connessioni all’interno del factor graph utilizzato per modellare la rete. Un modo per
studiare questo tipo di problema è quello di ricorrere alla ricostruzione della rete [6],
osservando gli effetti rispetto a scale macroscopiche (capire ad esempio come la
mancanza di informazioni influenza la correlazione tra i dati), mesoscopicche
(valutando quali delle informazioni locali hanno una rilevanza statistica al fine della
ricostruzione) e microscopiche (andando a predire una connessione mancante
attraverso metodi basati sulla similarità).

5 - Scopo e aspettative della ricerca

Obiettivo generale: il presente progetto nasce dalla volontà di contribuire alla ricerca
verso uno sviluppo sostenibile adoperando le mie conoscenze della meccanica
statistica, in particolare nella teoria delle reti, che ho maturato in questi anni di
formazione nei corsi di Fisica magistrale. Come risultato finale si propone un
progresso degli strumenti teorici al fine di estrarre informazioni da una RDE utili per
successive ricerche nell’ambito dell’ottimizzazione di tali reti.

Obiettivi specifici:
 1. Un obiettivo è quello di capire che effetto hanno i loop (e in generale
correlazioni a lunga distanza) all’interno di una rete, e se effettivamente
modificano il risultato finale rispetto al caso in cui questi non vengono
considerati. Questo risultato potrebbe essere molto utile per lavori successivi
poiché permetterebbe di capire l’importanza degli effetti di loop e se è
possibile trascurarli, evitando così rallentamenti dell’algoritmo.
2. Inferire l’effetto di dati mancanti su un flusso di dati e vedere i loro effetti su
diverse scale.

6 - Attività previste

1. Attività di modellizzazione delle reti. Un obiettivo primario del progetto è quello

di andare ad investigare quali possono essere quei modelli che meglio
rappresentano tali reti nel mondo reale. Questa attività prevede un’ampia
ricerca bibliografica.
2. Attività di acquisizione dati. Si adoperano principalmente due sorgenti di dati:
la prima proveniente da benchmark (come ad esempio quelli forniti da IEEE)
mentre la seconda proveniente dalla collaborazione con enti e aziende
coinvolte in questo settore.
3. Attività di simulazione delle reti. È fondamentale ai fini della presente ricerca
indagare sul vasto panorama di algoritmi già noti nel campo della meccanica
statistica e fisica computazionale. Un aspetto fondamentale sarà la
valutazione dell’efficienza di questi algoritmi, sia in termini di tempo di
esecuzione che di affidabilità nella ricerca di una soluzione. In seguito, si
potranno analizzare anche quegli scenari più critici di cui si hanno poche
oppure errate informazioni (che tra l’altro sono i casi in cui si ha maggiore
interesse nel trovare una soluzione). Tale ricerca è anche aperta alla
possibilità di realizzazione di nuovi algoritmi che verranno valutati come
discusso in precedenza.
4. Attività multidisciplinari: il seguente progetto ha una forte impronta
multidisciplinare e a fronte ad un problema di grande portata è fondamentale
impiegare parte della ricerca nel capire quali siano le effettive e primarie
necessità in questo campo, confrontandosi con ricercatori e/o enti esterni al
dipartimento di Fisica.
 5. Attività di ricerca all’estero. Di primaria importanza per il seguente progetto è
svolgere un periodo (2-3 mesi) all’estero e conseguire il titolo di Doctor
Europeaus. Durante il percorso di studio magistrale ho effettuato un semestre
presso LPENS di Parigi, opportunità che mi ha permesso di confrontarmi con
una realtà diversa da quella italiana e che ha notevolmente beneficiato sulla
mia formazione.

6 - Metodologie sperimentali e di analisi dei dati

L’attività sperimentale consisterà per lo più nella realizzazione e valutazione di

algoritmi. In particolare si svilupperà nei seguenti punti.
1. Acquisizione dei dati, come spiegato nelle attività
2. Preparazione dei dati. In questa fase i dati in precedenza raccolti verranno
organizzati in opportuni database ideati in modo da avere una struttura
facilmente riconducibile ad una rete.
3. Elaborazione dei dati. Una volta organizzati i dati, questi vengono elaborati
4. Implementazione degli algoritmi. Si lavorerà principalmente su due
architetture di algoritmi: quelli di message passing per inferire lo stato della
rete e quelli per effettuare la ricostruzione della rete a fronte dei dati
raccolti.
5. Ottimizzazione degli algoritmi. Gli algoritmi implementati verranno valutati
adottando metriche appropriate. In particolare, si punta ad avere algoritmi
veloci ed affidabili.

7 - Bibliografia

[1] Cimini, G., Squartini, T., Saracco, F., Garlaschelli, D., Gabrielli, A., & Caldarelli, G.
(2019). The statistical physics of real-world networks. Nature Reviews Physics, 1(1),
58-71.
[2] Cecati, C., Mokryani, G., Piccolo, A., & Siano, P. (2010, November). An overview
on the smart grid concept. In IECON 2010-36th Annual Conference on IEEE
Industrial Electronics Society (pp. 3322-3327). IEEE.
[3] Ritmeester, T., & Meyer-Ortmanns, H. (2020). State estimation of power flows for
smart grids via belief propagation. Physical Review E, 102(1), 012311.
[4] Tu, C., He, X., Shuai, Z., & Jiang, F. (2017). Big data issues in smart grid–A
review. Renewable and Sustainable Energy Reviews, 79, 1099-1107.
[5] Ghorbanian, M., Dolatabadi, S. H., & Siano, P. (2019). Big data issues in smart
grids: A survey. IEEE Systems Journal, 13(4), 4158-4168.
[6] Cimini, G., Mastrandrea, R., & Squartini, T. (2021). Reconstructing networks.
Cambridge University Press.
[7] Al-Roomi, A. R. (2015). Power flow test systems repository. Halifax, Nova Scotia,
Canada.

8 - Organizzazione dell’attività di ricerca

1° anno 2° anno 3° anno

1° q. 2° q. 3° q. 1° q. 2° q. 3° q. 1° q. 2° q. 3° q.

Partecipazioni a corsi di
formazione

Partecipazioni a
conferenze e seminari

Partecipazione alla
realizzazione di articoli

Periodo di ricerca
all’estero

Acquisizione dati

Elaborazione algoritmi

Scrittura tesi

Revisione tesi

Firmato
Simone Frasca