Transizione energetica

Ve ne siete accorti? Anno dopo anno il commento Fa caldo si riferisce a temperature sempre più alte. Nel 2023, la temperatura media globale si è avvicinata a 1,5°C sopra i livelli preindustriali (tranne che in pianura padana – qui ha fatto freddo tutta l’estate). Questo è un dato preoccupante in quanto l’Accordo di Parigi mira a contenere l’aumento a lungo termine sotto questa soglia per evitare grandinate da record, uragani con venti mai visti, ghiacci sciolti ai poli e eventi estremi. Come ci hanno spiegato da bimbi, il riscaldamento globale è colpa dei gas serra, che intrappolano il calore generando un extra-surriscaldamento anomalo.

Il settore energetico è il principale responsabile delle emissioni di gas serra, rappresentando oltre il 75% delle emissioni globali. Di queste, la maggior parte proviene dalla combustione di combustibili fossili come carbone, petrolio e gas naturale, utilizzati per produrre elettricità e calore.

L’anidride carbonica (CO₂) costituisce la quota maggiore, con il 55% delle emissioni del settore elettrico globale che derivano dalla combustione del carbone, mentre il gas naturale contribuisce per il 39%​. La COP28 di Dubai ha sottolineato l’urgenza di triplicare la capacità di energia rinnovabile entro il 2030, anche se la strategia per eliminare gradualmente i combustibili fossili non è stata approfondita.

Rinnovabili, croce e delizia

Il problema delle rinnovabili è che spesso sono aleatorie: se c’è sole, ci sarà energia dai campi fotovoltaici, se c’è vento, ci sarà energia dalle pale eoliche, se piove con quella ioggerella fastidiosa da fine autunno e non tira un alito di vento, niente produzione. Le uniche fonti programmabili sono il geotermico, le celle a combustibile basate sull’idrogeno e l’idroelettrico, anche se quest’ultimo comunque dipende dalle risorse idriche disponibili. Tanto caldo, poco ghiaccio. Poco ghiaccio, poca acqua dalle montagne. Poca acqua, poco idroelettrico. Dal 2021 al 2022 l’energia idroelettrica prodotta è più che dimezzata a causa della siccità.¹ Con una peso di queste fonti ormai rilevante nel mix energetico, la chiave per un bilanciamento della rete è lo stoccaggio, la gestione della produzione distribuita, il demand side management e la manutenzione puntuale degli impianti per massimizzarne la disponibilità.

E per fare questo, servono dati, e sistemi che siano in grado di elaborare automaticamente questi dati per generare insights, istruzioni e previsioni in tempo reale. Does it ring a bell? I sistemi di AI in questo settore possono avere un impatto non residuale, analizzando dati, ottimizzando i processi e supportando strategie di manutenzione predittiva.

Stoccaggio e demand side management: AI per l’ottimizzazione

Lo stoccaggio dell’energia e il demand side management (DSM) sono due strumenti chiave per l’ottimizzazione energetica, e l’intelligenza artificiale (AI) gioca un ruolo cruciale nel loro miglioramento.

• Previsione dei picchi di consumo e ottimizzazione dello stoccaggio: Lo stoccaggio dell’energia permette di immagazzinare energia in eccesso da fonti rinnovabili, come il solare o l’eolico, per utilizzarla nei momenti di maggiore domanda. L’AI ottimizza questo processo prevedendo con precisione i picchi di consumo e regolando l’immagazzinamento e il rilascio di energia in tempo reale.
• Distribuzione dell’energia lato domanda in base alla previsione della produzione: Allo stesso modo, l’AI supporta il DSM gestendo in modo intelligente la domanda energetica, riducendo i consumi durante le ore di punta e distribuendoli in momenti più convenienti. Questo approccio non solo riduce i costi, ma migliora anche la stabilità della rete, integrando meglio le fonti rinnovabili e riducendo la necessità di centrali fossili di riserva​
• Esplorazione di nuovi materiali per lo stoccaggio:² Molti studi si concentrano su vari materiali, come catodi, anodi, elettroliti liquidi e solidi. Questo articolo introduce il paradigma generale del ML, descrivendo lo stato attuale e le sfide dei database più comunemente utilizzati per il ML in questo campo, esaminando poi in dettaglio le problematiche legate all’uso di questi dati. Questo approccio ha migliorato notevolmente l’efficienza nella ricerca di nuovi materiali per l’energia, velocizzando le scoperte e riducendo i costi associati alla sperimentazione.

Eolico: Intelligenza artificiale per l’ottimizzazione e la manutenzione predittiva

L’energia eolica è tra le fonti rinnovabili più promettenti, ma la sua gestione presenta sfide significative legate alla variabilità delle condizioni atmosferiche e alla complessità delle infrastrutture.

• Manutenzione predittiva e su condizione in base allo storico: Oltre alla semplice previsione di guasti, l’AI può sviluppare modelli di apprendimento profondo per analizzare dati in tempo reale dai sensori delle turbine, identificando pattern complessi che precedono i malfunzionamenti. Questo permette interventi di manutenzione più mirati e tempestivi.
• Ottimizzazione delle prestazioni delle turbine: L’AI può regolare in tempo reale l’angolo di incidenza delle pale e altre configurazioni operative per massimizzare l’efficienza energetica in base alle condizioni del vento in real time, tendendo in considerazione le caratteristiche specifiche della singola turbina.
• Progettazione ottimale dei parchi eolici: Utilizzando algoritmi di AI, è possibile simulare e ottimizzare la disposizione delle turbine all’interno di un parco eolico, minimizzando l’effetto ombra e massimizzando la produzione complessiva.
• Integrazione con sistemi di accumulo energetico: L’AI può gestire l’interazione tra produzione eolica e sistemi di accumulo, come batterie o volani, per stabilizzare l’immissione di energia nella rete elettrica.
• Previsione affinata dell’intensità e direzione del vento: Incorporando dati meteorologici, oceanografici e satellitari, l’AI può migliorare significativamente la precisione delle previsioni del vento su diverse scale temporali, aiutando nella pianificazione operativa e nella gestione della rete.

Fotovoltaico e solare termico: AI per la previsione della producibilità e ispezioni visive

Il settore fotovoltaico beneficia enormemente dell’applicazione dell’AI per affrontare sfide come l’eterogeneità delle condizioni ambientali e l’ampiezza degli impianti.

• Ispezione visiva automatizzata con droni: L’AI può elaborare le immagini raccolte dai droni per identificare anomalie termiche e difetti invisibili all’occhio umano, come microfratture nei pannelli o problemi di connessione.
• Ottimizzazione dell’angolo di inclinazione: Sistemi AI possono controllare meccanismi di tracking solare, regolando l’orientamento dei pannelli per massimizzare la captazione della luce solare durante il giorno e posizionando i pannelli in verticale o orizzontale in caso di condizioni meteo avverse.

Fotovoltaico

• Gestione intelligente della pulizia dei pannelli: L’AI può determinare i momenti ottimali per la pulizia dei pannelli fotovoltaici, basandosi su previsioni meteorologiche e analisi delle perdite di efficienza dovute a polvere o sporcizia.
• Integrazione nella smart grid: L’AI facilita l’integrazione dell’energia solare nella rete elettrica, gestendo la domanda e l’offerta in tempo reale e prevenendo sovraccarichi o interruzioni di servizio.
• Rilevamento di ombreggiamenti e perdite di efficienza: Attraverso l’analisi dei dati di produzione, l’AI può identificare ombreggiamenti temporanei o permanenti che riducono l’efficienza dei pannelli, suggerendo interventi correttivi come la potatura di alberi o la riprogettazione dell’impianto.

Solare termico

• Gestione dello stoccaggio termico: L’AI può prevedere la domanda energetica e gestire i sistemi di accumulo di calore, garantendo una fornitura costante anche durante le ore notturne o in condizioni meteorologiche avverse.
• Manutenzione predittiva dei componenti termici: Monitorando la performance dei fluidi termovettori e degli scambiatori di calore, l’AI può anticipare problemi di efficienza o guasti.
• Integrazione con processi industriali: L’AI può coordinare l’utilizzo dell’energia termica prodotta con le esigenze di processi industriali, ottimizzando il consumo energetico e riducendo gli sprechi.
• Analisi di efficienza energetica: L’AI può valutare l’efficienza dell’intero sistema solare termico, identificando aree di miglioramento e suggerendo modifiche progettuali.

Idroelettrico: ottimizzazione e manutenzione predittiva tramite AI

Nonostante sia una tecnologia matura, l’idroelettrico può trarre vantaggio dall’AI per migliorare la gestione delle risorse idriche e l’efficienza energetica.

• Gestione avanzata delle onde di piena:³ L’AI può prevedere con maggiore precisione eventi di piena analizzando dati meteorologici, idrologici e ambientali, migliorando la sicurezza delle infrastrutture e la pianificazione della produzione energetica.
• Ottimizzazione multi-obiettivo del pompaggio: Utilizzando algoritmi evolutivi, l’AI può bilanciare diversi obiettivi—come la massimizzazione dell’efficienza energetica, la minimizzazione dei costi operativi e la riduzione dell’impatto ambientale—nel controllo dei sistemi di pompaggio.
• Monitoraggio ambientale: L’AI può aiutare a monitorare l’impatto ambientale delle centrali idroelettriche, analizzando dati sulla qualità dell’acqua, la biodiversità e gli ecosistemi circostanti, permettendo interventi più sostenibili.
• Previsione degli afflussi: Integrando dati climatici e satellitari, l’AI può migliorare la previsione degli afflussi idrici, ottimizzando la gestione dei bacini e prevenendo rischi di siccità o inondazioni.
• Manutenzione predittiva delle infrastrutture: Oltre alle turbine, l’AI può monitorare la salute strutturale di dighe e canali, utilizzando sensori per rilevare movimenti o deformazioni anomale.

Celle a combustibile: monitoraggio del rendimento con AI

Le celle a combustibile alimentate con vettori rinnovabili, come può essere l’idrogeno, rappresentano una promettente tecnologia per la produzione di energia pulita, ma richiedono un controllo sofisticato per massimizzare l’efficienza e la durata.

• Ottimizzazione dei processi chimici: L’AI può controllare le reazioni all’interno delle celle, regolando parametri come temperatura e flusso di gas per ottimizzare la produzione energetica.
• Diagnostica avanzata: Attraverso l’analisi dei dati operativi, l’AI può individuare rapidamente anomalie o degradazioni delle celle, permettendo interventi tempestivi e prolungando la vita utile dell’impianto.
• Integrazione con l’idrogeno da fonti rinnovabili: L’AI può gestire l’interazione tra le celle a combustibile e la produzione di idrogeno da fonti rinnovabili, ottimizzando l’intero ciclo energetico tramite lo stoccaggio dell’idrogeno stesso.
• Sviluppo di nuovi materiali: Utilizzando algoritmi di apprendimento automatico, l’AI può accelerare la ricerca di nuovi materiali per le celle a combustibile con migliori prestazioni e minori costi.
• Gestione termica: L’AI può ottimizzare il sistema di raffreddamento delle celle, evitando surriscaldamenti e migliorando l’efficienza complessiva.

No data, no party

L’intelligenza artificiale ha il potenziale grande di rendere le fonti rinnovabili più gestibili e integrabili nel sistema elettrico, come strumento per affrontare le sfide tecniche e operative. Dall’ottimizzazione della produzione alla manutenzione predittiva, passando per la gestione intelligente dei flussi e l’integrazione con la rete elettrica, i sistemi di AI e le tecniche data-driven sono un tassello importante per accelerare la transizione energetica.

1. Il problema della siccità per l’idroelettrico | Qualenergia ↩︎
2. https://www.sciencedirect.com/science/article/abs/pii/S1385894724037811 ↩︎
3. https://ceur-ws.org/Vol-3486/60.pdf ↩︎