Mostrare come bilanci di vapore, prezzi energetici e vincoli di capacità possano essere tradotti in un problema di ottimizzazione confrontabile con una policy di riferimento.
3 · Cosa produce
Costo riferimento/ottimo, dispatch vapore, ΔCO₂ da combustione diretta, shadow price LP e valori marginali MILP perturbativi.
Le immagini provengono dai run dimostrativi inclusi nel repository allegato e sono mostrate senza data per illustrare struttura, metodo ed evidenza del workflow.
4 · Come funziona
Dal dato all’output, con controlli espliciti.
1Domanda HP/MP/LP sintetica
2Prezzi gas, power e CO₂
3Bilanci e vincoli utilities
4Ottimizzazione LP HiGHS
5MILP con min-load/start-up
6Perturb/re-opt e valori marginali
Pattern trasferibile: Bilanci utilities + LP/MILP + reference policy congelata.
5 · Dati, AI/ML/RPA e metodo
Dati e feature
domanda vapore sintetica, capacità/efficienze, TTF EEX, prezzo day-ahead per bidding zone italiana Energy-Charts con licenza verificata, EUA
Calcolo / inferenza
Validazione
fattibilità, bilanci, ottimalità, tempo soluzione, stabilità, reference policy
Stack
Python, SciPy HiGHS, NumPy, pandas, SQLite, Matplotlib
6 · Dossier tecnico
Condizioni operative e limiti dichiarati.
| Frequenza di calcolo | Giornaliero 11:50 Europe/Rome |
|---|---|
| Pubblicazione prevista | IT sab 13:30; EN sab 19:30 |
| Applicazioni possibili | energy management, steam balancing, capacity debottlenecking |
| Uso di ricerca | dualità LP, unit commitment e sensitività |
| Condizione necessaria | domanda utility sintetica; saving modellato, non risparmio reale misurato; bilancio elettrico non modellato |
| Failure mode | chiamare duali MILP i valori marginali o presentare saving simulato come risparmio reale |
Limite di interpretazione
La domanda utilities è sintetica e il bilancio elettrico di stabilimento non è modellato. Il saving è un’opportunità modellata, non un risparmio misurato; i valori marginali MILP non sono duali.
7 · Verifica e approfondimento