Analisi di software per modellazione di mini grid isolate: confronto applicativo tra Homer e iHoga

Acronimo di Improved Hybrid Optimization by Genetic Algorithm, iHOGA è un software di ottimizzazione di sistemi ibridi basato sul linguaggio C++ sviluppato dall'Università di Saragozza, in Spagna.

Il Software persegue l’obiettivo dell’ottimizzazione minimizzando i costi totali di impianto durante l’intero ciclo di vita, ovvero l’NPC. Si possono però aggiungere altri obiettivi (opzione attivabile solo con la versione PRO), come ad esempio il calcolo di emissioni di anidride carbonica, avendo a disposizione diverse soluzioni che presentano una diversa ottimizzazione dell’impianto. Il programma consente inoltre di simulare la vendita di energia elettrica in corrente alternata alla rete (nei casi di un surplus non utilizzato) e il suo acquisto dalla rete (nel caso di un carico non soddisfatto).

La modalità con la quale il software opera è basata su algoritmi genetici, algoritmi che simulano la riproduzione, mutazione e selezione presenti in natura. Tutte le possibili soluzioni fornite da algoritmi genetici a qualsiasi problema vengono presentate come individui all'interno di una determinata specie. Ogni individuo è in realtà una combinazione delle variabili (geni) da ottimizzare (nel nostro caso le variabili o i geni corrispondono alle componenti del sistema e alle variabili utilizzate per la strategia di controllo) e sono numeri interi (numero di pannelli fotovoltaici, codici per tipi di pannelli, ...). La struttura delle variabili o dei geni è chiamata genotipo, mentre qualsiasi combinazione di essi nel genotipo è detta fenotipo.

La prima generazione include un insieme casuale di individui, che si può chiamare popolazione.
Questi individui si mescolano tra loro, con una maggiore probabilità di riproduzione per i migliori individui (quelli, ad esempio, con l'NPC più basso). Nuovi individui sono generati dalla riproduzione, sostituendo così i peggiori genitori e creando una nuova generazione. Alcuni individui mutano (con valori che si alterano casualmente). Il processo si ripete, con sempre più nuove generazioni e migliori soluzioni fornite man mano che l'algoritmo progredisce, fino ad arrivare ad un numero di generazioni fissato dall’utilizzatore. [...]