Ricerchiamo modi diversi per rendere l’energia sostenibile

Collaboriamo con enti di ricerca e aziende del territorio per sviluppare soluzioni socio-tecniche innovative in grado di portare benefici concreti sia agli utilizzatori che all’ambiente circostante. Questa sinergia ci permette di integrare conoscenze avanzate e competenze pratiche, creando progetti sostenibili e orientati al miglioramento della qualità della vita e alla protezione dell’ecosistema

Smart Industry & AI

SunLink integra sistemi di Intelligenza Artificiale, come algoritmi di Machine Learning e Anomaly Detection in grado di:

Ottimizzare i consumi per un uso efficiente delle risorse energetiche in base al fabbisogno aziendale;
Programmare strategicamente automizzando i processi per un miglior equilibrio tra risparmio intelligente e risultati di qualità;
Fare manutenzione predittiva per gestire in modo consapevole gli impianti e i macchinari.

Scopri i nostri progetti

Grazie ai nostri partner stiamo portando avanti progetti nell’ambito dell’innovazione dei processi aziendali ma anche delle comunità energetiche rinnovabili con l’obiettivo di rendere la transizione energetica accessibile alla maggior parte di soggetti pubblici e privati.

Reinforcement Learning for Energy Community Management: A European-Scale Study

Efficient management of renewable energy resources is imperative for promoting environmental sustainability and optimizing the utilization of clean energy sources. This paper presents a pioneering European-scale study on energy management within renewable energy communities (RECs). With a primary focus on enhancing the social welfare of the...

A Reinforcement Learning approach to the management of Renewable Energy Communities

Optimal management of renewable energy is an important pillar of environmental sustainability, as it maximizes the use of clean and renewable resources. This article considers the optimal management of a renewable energy community that receives incentives for virtual self-consumption. This incentive scheme has been adopted in...

Time Series Forecasting for Energy Management: NCPs vs. LSTM.

This paper investigates the effectiveness of Neural Circuit Policies (NCPs) compared to Long Short-Term Memory (LSTM) networks in forecasting time series data for energy production and consumption in the context of predictive maintenance. Utilizing a dataset generated from the energy production and consumption data of a...