• arbitraggio tra mercati
• deep learning
• MGP
• MI
• modelli previsionali
• ottimizzazione energetica

L'obiettivo di questa tesi è sviluppare un modello di ottimizzazione per realizzare strategie di arbitraggio tra il mercato del giorno prima e i mercati infragiornalieri, minimizzando i costi di approvvigionamento energetico. Il modello garantisce una partecipazione minima al MGP, mercato principale per volumi scambiati, per sicurezza di approvvigionamento.
Lo studio utilizza un dataset di 1202 punti di prelievo, contenente i consumi con granularità quartoraria, elaborandoli con modelli previsionali spaziando dai più tradizionali a quelli di deep learning. Per lo stesso periodo di test vengono generate previsioni per i prezzi zonali delle sessioni di mercato considerate
e dei rispettivi volumi di acquisto e vendita. L'analisi è stata svolta nell'ottica di adeguarsi alle imminenti modifiche normative introdotte dal testo integrato del dispacciamento elettrico (TIDE), con il quale la market time unit (MTU) passerà a 15 minuti.