• Non ci sono risultati.

Enhanced power grid evaluation through efficient stochastic model-based analysis

N/A
N/A
Protected

Academic year: 2021

Condividi "Enhanced power grid evaluation through efficient stochastic model-based analysis"

Copied!
5
0
0

Testo completo

(1)

Resoconto attivit`

a di ricerca

fine terzo anno di dottorato con borsa Pegaso

Giulio Masetti 31 ottobre 2018

(2)

I

Tematiche di ricerca

In breve: modellazione di sistemi con formalismo SAN; analisi quantitative di indicatori di dependability delle infrastrutture elettriche; soluzioni per sistemi di equazioni non-lineari.

Durante i tre anni di dottorato ho contribuito alla costruzione di un framework di modellazione capace di rappresentare l’evoluzione nel tempo di una rete di distribuzione elettrica. Questo strumento software rende agevole la quantificazione degli effetti dei guasti sulla rete, fornendo misure di qualit`a di servizio e di affidabilit`a.

L’attivit`a di ricerca e sviluppo da me svolta `e documentata da 14 pub-blicazioni. I risultati parziali, in particolare l’esercizio del framework in contesti realistici, l’implementazione di software capace di risolvere le equa-zioni Power-Flow, e l’introduzione di tre nuovi paradigmi di composizione di modelli, chiamati rispettivamente NARep, Channel-Sharing e DARep, sono stati da me presentati in occasione di conferenze internazionali e workshops organizzati da IEEE e SIAM.

II

Esami sostenuti

Durante il perido di dottorato ho sostenuto i seguenti esami:

• Models and languages for service-oriented and cloud computing, Gian-luigi Zavattaro, presso BISS2016,

• Advanced topics in Programming Languages, Giuseppe Castagna, pres-so BISS2016,

• Algorithmic methods for mining large graph, Aristides Gionis, presso BISS2016,

• Reliability, Availability and Performance of Data Centers and Clouds, Kishor Trivedi, presso il dipartimento di Ingegneria Informatica del-l’Universit`a di Pisa,

• Signal processing and mining of Big Data: biological data as case stu-dy, Gianpaolo Coro, presso il dipartimento di Ingegneria Informatica dell’Universit`a di Pisa,

• Machine Learning Techniques and Selected Applications for Big Data, Stan Matwin, presso il dipartimento di Informatica dell’Universit`a di

(3)

III

Scuole di dottorato

Durante i tre anni di dottorato ho partecipato alle seguenti scuole:

• SecureCI School (securing cryitical infrastructures) Winter School, January 17-21, 2016,

• Bertinoro School (advanced topics in Programming languages) Spring School, March 3-11, 2016,

• Pisa-Tor Vergata-Okkaido Summer School (applied Mathematics), Au-gust 27, 2018 - September 8, 2018

IV

Periodo all’estero

Durante il perido November 23, 2017 - June 1, 2018 sono stato Visiting Scholar presso il gruppo di ricerca PERFORM dell’University of Illinois Urbana-Champaign, USA.

In questo lasso di tempo ho progettato, all’interno del M¨obius Modeling Framework, un nuovo modo di implementare l’operatore di composizione di modelli denominato DARep, estendendo il Rep anonimo.

V

Associazione presso ISTI-CNR Pisa

Nel periodo di dottorato ho richiesto ed ottenuto l’Associazione all’Istituto di Scienza e Tecnologie dell’Informazione, avente sede al CNR di Pisa.

VI

Premio ProgettISTI2017

ProgettISTI `e un premio istituito dall’Istituto di Scienza e Tecnologie del-l’Informazione ”A. Faedo” (ISTI) con l’obiettivo di favorire la collaborazione interdisciplinare fra i laboratori/centri presenti in Istituto e di potenziare le competenze dei giovani ricercatori nella pianificazione a medio termine di attivit`a di ricerca e nella messa a punto di proposte di progetto per bandi nazionali ed internazionali

In questo contesto la proposta da me presentata insieme a Leonardo Robol, dal titolo “TAPAS: Tensor Algorithms for Performability Analysis of large Systems”, `e risultata vincitrice. Correlate a questa iniziativa sono le pubblicazioni [MR18b, MR18a]

(4)

Riferimenti bibliografici

[CDGM16a] S. Chiaradonna, F. Di Giandomenico, and G. Masetti. Ana-lyzing the impact of failures in the electric power distribu-tion grid. In Seventh Latin-American Symp. on Dependable Comput., Cali, Colombia, Oct. 2016.

[CDGM16b] S. Chiaradonna, F. Di Giandomenico, and G. Masetti. Effi-cient non-anonymous composition operator for modeling com-plex dependable systems. Fast Abstract published on CoRR, abs/1608.05874, 2016.

[CDGM16c] S. Chiaradonna, F. Di Giandomenico, and G. Masetti. A stochastic modelling framework to analyze smart grids con-trol strategies. In Fourth IEEE International Conf. on Smart Energy Grid Eng., Oshawa, Canada, Aug. 2016. Presented by Giulio Masetti.

[CDGM17] S. Chiaradonna, F. Di Giandomenico, and G. Masetti. A sto-chastic modeling approach for an efficient dependability eva-luation of large systems with non-anonymous interconnected components. In The 28th Int. Symp. on Softw. Reliab. Eng.-IEEE, pages 46–55, Toulouse, France, Oct. 2017. Presented by Giulio Masetti.

[CDGM18] S. Chiaradonna, F. Di Giandomenico, and G. Masetti. On identity-aware replication in stochastic modeling for depen-dability analysis of large interconnected systems. Submitted: IEEE Transactions on Reliability, 2018.

[CMC18] G. Casell, G. Masetti, and G. Cecchi. Tartini, the third tone and the cochlea. pH - Edi.Ermes s.r.l. Milano, 2018.

[DMCDG18] S. Dutto, G. Masetti, S. Chiaradonna, and F. Di Giandome-nico. Enhancing newton-raphson method by wirtinger calcu-lus for solving power-flow equations. Under revision: IEEE Transactions on Power Systems, 2018.

[Mas17] Giulio Masetti. Enhanced power grid evaluation throu-gh efficient stochastic model-based analysis. arXiv preprint arXiv:1708.04576, 2017.

(5)

[MCDG16] G. Masetti, S. Chiaradonna, and F. Di Giandomenico. Explo-ring equations ordeExplo-ring influence on variants of the newton-raphson method. In Numerical Computations: Theory and Algorithms. AIP Conference Proceedings, Presented by Giulio masetti, 2016.

[MCDG17] Giulio Masetti, Silvano Chiaradonna, and Felicita Di Gian-domenico. Model-based simulation in M¨obius: An efficient approach targeting loosely interconnected components. In Eu-ropean Workshop on Performance Engineering, pages 184–198. Springer, 2017. Presented by Giulio Masetti.

[MCDG+18] G. Masetti, S. Chiaradonna, F. Di Giandomenico, B. Fedder-sen, and W. H. Sanders. An efficient strategy for model compo-sition in the m¨obius modeling environment. In 14th European Dependable Computing Conference, 2018. Presented by Giulio Masetti.

[MDCDG18] G. Masetti, S. Dutto, S. Chiaradonna, and F. Di Giando-menico. Supporting CPS modeling through a new method for solving complex non-holomorphic equations. In MO-DELSWARD conference, Special Session on domAin speci-fic Model-based AppRoaches to vErispeci-ficaTion and validaTiOn, Funchal, Madeira - Portugal, 2018.

[MR18a] G. Masetti and L. Robol. Analyzing a security and reliability model using krylov methods and matrix functions. Technical report, 2018.

[MR18b] Giulio Masetti and Leonardo Robol. Computing performabi-lity measures in Markov chains by means of matrix functions. arXiv:1803.06322, 2018.

Riferimenti

Documenti correlati

L’interesse sempre più vasto che da alcuni anni è devoluto agli studi sulla narratività va di pari passo con le speranze e i progetti circa una semiotica generale [. Inizialmente,

È bene sottolineare che, nelle quarte, la classe sperimentale non parte da una situazione di vantaggio rispetto alla classe di controllo per quanto riguarda le

Anche ammettendo che la scrittura giornalistica, diciamo quella degli editorialisti più apprezzati, si possa ancora proporre a scuola come modello, ci sono almeno due

Tramite questi strumenti il professionista deve riuscire a raccogliere tutti i dati necessari per fare una valutazione vera e propria della situazione familiare e dunque riuscire a

Nel libro Abitare la cura riflessioni sull’architettura istituzionale, vengono riportate varie riflessioni interessanti su quelli che sono gli spazi nelle

A Putti sono riconosciuti meriti organizzativi e di sviluppo dell'Istituto Rizzoli (la fondazione delle Officine Rizzoli nel 1914 e dell'Istituto Elioterapico 'Codivilla' a

Cardiopatie congenite con iperafflusso polmonare Difetto interatriale DIA Difetto interventricolare DIV Canale atrioventricolare parziale CAVp Canale atrioventricolare CAV

The contours of the density ratio can be seen in Figure 5.4: the case for Kn = 10 is in the upper part and for Kn = 10000 in the lower part. A difference between the two cases in