Add files via upload

Author: tmontanaro

_posts/2024-07-15-SolarProductionForecast-Presentation_ErroiBelcuore.md

@@ -0,0 +1,19 @@
+---
+title: "Solar Production Forecast"
+date: 2024-07-15 15:22:53 +0200
+categories: projects
+img_url: https://unisalento-idalab-iotcourse-2023-2024.github.io/wot-project-presentation-PalumboPierri/images/architettura%202.png
+site_url: "https://github.com/GErroi/wot-SolarProductionForecast-Presentation-BelcuoreErroi.git"
+project_url1: "https://github.com/GErroi/wot-SolarProductionForecast-Backend-BelcuoreErroi.git"
+project_url2: "https://github.com/GErroi/wot-SolarProductionForecast-FrontEnd-BelcuoreErroi.git"
+project_url3: ""
+project_url4: ""
+project_url5: ""
+project_url6: ""
+description: "Il progetto Solar Production Forecast nasce dall’esigenza di sviluppare un modello in grado di prevedere l’energia prodotta da un impianto fotovoltaico, offrendo agli utenti un supporto per una gestione più efficiente e consapevole dei consumi energetici. L'obiettivo è ottimizzare i costi legati all’utilizzo della rete elettrica, privilegiando l’uso di una fonte rinnovabile.
+
+Poiché la radiazione solare varia nel tempo in funzione delle condizioni meteorologiche, la produzione di energia fotovoltaica risulta discontinua e soggetta a fluttuazioni non sempre prevedibili. Per affrontare questa variabilità, il progetto impiega un modello ensemble composto da Support Vector Regression (SVR), Random Forest, Ridge Regression e Kernel Ridge Regression. A supporto di questi algoritmi, vengono applicate ulteriori tecniche avanzate di machine learning e data mining per migliorare l’accuratezza delle previsioni. I dati utilizzati vengono raccolti da open-meteo.com e da un impianto situato nella città di Lecce.
+
+Le previsioni sono presentate in modo chiaro e intuitivo attraverso una dashboard user-friendly, che consente agli utenti di interpretare facilmente i dati senza la necessità di consultare documentazione aggiuntiva."
+---
+