Giorgia Ghione

Dottoranda in Ingegneria Elettrica, Elettronica E Delle Comunicazioni , 38o ciclo (2022-2025)
Dipartimento di Elettronica e Telecomunicazioni (DET)

Profilo

Dottorato di ricerca

Argomento di ricerca

Advanced machine learning for factory optimization

Tutori

Interessi di ricerca

Big Data, Machine Learning, Neural Networks and Data Science
Systems, Automation and Control

Biografia

Giorgia Ghione è attualmente una dottoranda in Ingegneria Elettrica, Elettronica e delle Comunicazioni presso il gruppo di ricerca Neuronica Lab al Politecnico di Torino.

Giorgia Ghione ha conseguito una laurea magistrale in Ingegneria Informatica presso il Politecnico di Torino nel 2022, presentando la tesi An interpretable BERT-based architecture for SARS-CoV-2 variant identification: il lavoro di tesi è incentrato sulla classificazione delle varianti delle sequenze del virus SARS-CoV-2 mediante l’algoritmo Bidirectional Encoder Representations from Transformers (BERT), e sull’interpretazione del comportamento del modello.

I suoi attuali interessi di ricerca principali sono il time series forecasting, la manutenzione predittiva e l’ottimizzazione energetica e delle risorse di impianti industriali con metodi di machine learning avanzati.

I principali progetti in cui Giorgia Ghione è coinvolta sono i seguenti:
  • Advanced photovoltaic power production and energy load forecasting: Giorgia Ghione ha sviluppato e confrontato diversi algoritmi di deep learning per la previsione della produzione di energia fotovoltaica di un impianto industriale. Il progetto è stato svolto in collaborazione con Trigenia S.r.l, una Energy Service Company che supporta le imprese nella transizione digitale ed energetica. In secondo luogo, Giorgia Ghione, in collaborazione con l’Università degli Studi di Palermo, sta sviluppando diversi algoritmi di deep learning per la previsione dei carichi energetici di una microgrid.
  • Optimization of CHP and energy storage utilization in large power plants: Giorgia Ghione si sta attualmente occupando dello sviluppo di un algoritmo di deep learning per l’utilizzo ottimizzato degli accumuli elettrici in un impianto energetico di grandi dimensioni, che include diverse fonti di energia elettrica. Inoltre, è un corso lo sviluppo di un algoritmo di deep learning per l’ottimizzazione dell’utilizzo di un cogeneratore (Combined Heat and Power o CHP) in un secondo impianto. Entrambi i progetti sonosono svolti in collaborazione con Trigenia S.r.l.
  • Enhanced Neural real-time digital TWIN for Electrical Drivers (ENTWINED): ENTWINED è un progetto di ricerca che coinvolge il Politecnico di Torino, l’Università degli Studi Roma Tre e il Consiglio Nazionale delle Ricerche per lo sviluppo di un’archtettura di tipo Digital Twin per il monitoraggio e controllo real-time di motori elettrici e convertitori di potenza. In particolare, Giorgia Ghione sta sviluppando la strategia di big data analytics e un modello neurale per il monitoraggio, la manutenzione predittiva e la diagnosi dei guasti del sistema.

Pubblicazioni

Pubblicazioni più recenti Vedi tutte le pubblicazioni su Porto@Iris