Integrazione avanzata del gemello digitale per la previsione del carico in tempo reale e il dispacciamento intelligente dei generatori di emergenza nei sistemi elettrici MT/BT utilizzando ETAP.

The escalating drive towards smart, resilient, and sustainable industrial infrastructures underscores the critical and strategic role of digital twin technology in modern power system management. This thesis details the comprehensive development, implementation, and validation of a cutting-edge digital twin system, specifically engineered for a mission-critical Medium Voltage/Low Voltage (MV/LV) electrical network. Core to this research, conducted as a collaborative thesis internship between Sinergo Enterprise and the University of Pavia, are two primary objectives: the accurate prediction of real-time load patterns to optimize power transformer operation and the optimal, stability-aware dispatch of emergency diesel generators during grid outages. The framework's foundation is a power system model built in the Electrical Transient Analyzer Program (ETAP). This virtual model is intricately integrated with a custom Java-based control architecture, named TwEt, which serves as an intelligent software interface. This architecture facilitates dynamic, real-time synchronisation by acquiring field data via an electrical interface and using ETAP's modern REST API through its Data Hub service to trigger and manage automated batch simulations. The system provides critical operational insights by synergistically combining sensor-driven hardware data with predictive simulation logic, enabling control and commands in under five minutes. The system was developed and validated using the electrical network of a pharmaceutical facility in the southern part of Italy as the case study. Key contributions include a novel, bidirectional JAVA-ETAP linkage for real-time control, a prototype machine learning forecasting engine for predictive load management, and an intelligent generator dispatch strategy. The system was validated using a sophisticated simulation environment (SiNe) that mimics the real network and through rigorous hardware-in-the-loop (HIL) testing. The validated framework demonstrated a significant reduction in diesel consumption and a measurable improvement in emergency response time compared to conventional SCADA systems. This research delivers a scalable and resilient architecture for advanced energy automation, presenting significant future potential in machine learning-driven forecasting, enhanced SCADA/IoT integration, and the modelling of renewable energy systems. Keywords: Digital Twin, Power System, ETAP, Real-Time Load Forecasting, Emergency Generator Dispatch, Islanded Microgrid, Co-simulation, Hardware-in-the-Loop (HIL), System Resilience.

La crescente spinta verso infrastrutture industriali intelligenti, resilienti e sostenibili sottolinea il ruolo critico e strategico della tecnologia del gemello digitale (digital twin) nella gestione moderna dei sistemi elettrici. Questa tesi descrive in dettaglio lo sviluppo completo, l'implementazione e la validazione di un sistema di gemello digitale all'avanguardia, specificamente progettato per una rete elettrica di Media Tensione/Bassa Tensione (MT/BT) di importanza critica. Al centro di questa ricerca, condotta come tirocinio di tesi in collaborazione tra Sinergo Enterprise e l'Università di Pavia, vi sono due obiettivi principali: la previsione accurata dei modelli di carico in tempo reale per ottimizzare il funzionamento dei trasformatori di potenza, e il dispacciamento ottimale e stabile dei generatori diesel di emergenza durante le interruzioni della rete. La base del framework è un modello di sistema elettrico costruito nel software ETAP (Electrical Transient Analyzer Program). Questo modello virtuale è integrato in modo complesso con un'architettura di controllo personalizzata basata su Java, denominata TwEt, che funge da interfaccia software intelligente. Questa architettura facilita la sincronizzazione dinamica e in tempo reale acquisendo dati dal campo tramite un'interfaccia elettrica e utilizzando la moderna API REST di ETAP attraverso il suo servizio Data Hub per attivare e gestire simulazioni batch automatizzate. Il sistema fornisce informazioni operative critiche combinando sinergicamente i dati hardware provenienti dai sensori con la logica di simulazione predittiva, consentendo di definire comandi e controlli in meno di cinque minuti. Il sistema è stato sviluppato e validato utilizzando come caso di studio la rete elettrica di uno stabilimento farmaceutico nel sud Italia. I contributi chiave includono un innovativo collegamento bidirezionale JAVA-ETAP per il controllo in tempo reale, un prototipo di motore di previsione basato su machine learning per la gestione predittiva del carico e una strategia di dispacciamento intelligente dei generatori. Il sistema è stato validato utilizzando un sofisticato ambiente di simulazione (SiNe) che imita la rete reale e attraverso rigorosi test hardware-in-the-loop (HIL). Il framework validato ha dimostrato una significativa riduzione del consumo di gasolio e un miglioramento misurabile del tempo di risposta alle emergenze rispetto ai sistemi SCADA convenzionali. Questa ricerca fornisce un'architettura scalabile e resiliente per l'automazione energetica avanzata, presentando un notevole potenziale futuro nella previsione basata su machine learning, nell'integrazione avanzata SCADA/IoT e nella modellazione di sistemi di energia rinnovabile. Parole chiave: Gemello Digitale, Sistema di Potenza, ETAP, Previsione del Carico in Tempo Reale, Dispacciamento Generatori di Emergenza, Microrete Isolata, Co-simulazione, Hardware-in-the-Loop (HIL), Resilienza del Sistema