Layout, modelli predittivi e monitoraggio: l’intelligenza artificiale per rinnovabili più sostenibili

Il futuro delle rinnovabili è destinato ad essere rivoluzionato dall’integrazione dell’intelligenza artificiale e, in particolare, delle tecnologie di machine learning. Nel campo dell’eolico off-shore la rivoluzione green nei mari italiani è guidata dal player internazionale Renexia, società del Gruppo Toto, che con Beleolico, già attivo al largo delle coste di Taranto, e MedWind, che sorgerà al largo della Sicilia, ha dimostrato concreta attenzione alla sostenibilità realizzando impianti anche sulla base di importanti studi scientifici preparatori e coinvolgendo diverse organizzazioni ambientaliste. In un contesto internazionale che guarda alle rinnovabili come unica via per una rapida decarbonizzazione, le innovazioni nel campo dell’IA saranno chiamate a svolgere un ruolo sempre più importante per migliorare l’efficienza e l’affidabilità del processo di transizione ecologica in atto.

Una delle principali sfide è l’ottimizzazione dei layout dei parchi eolici per massimizzare la produzione di energia, riducendo al minimo i costi. È questo il compito degli ingegneri e le loro analisi sono fondamentali per garantire che gli impianti siano economicamente sostenibili. Tra i vari strumenti utili ad ottimizzare la progettazione di parchi eolici flottanti, Renexia, da poco più di un anno, sta utilizzando un flidar, un innovativo dispositivo galleggiante, posizionato nel tratto di mare nel canale di Sicilia dove sorgerà Med Wind. In questo modo, sarà possibile ottenere una mappatura dettagliata delle correnti e dei venti, definire il corretto orientamento delle turbine e stimare pertanto la produzione attesa.

I recenti progressi nell’intelligenza artificiale e nel machine learning hanno aperto nuove possibilità per automatizzare questo processo, consentendo lo sviluppo di progetti di impianti a mare più efficienti ed economici. Gli algoritmi possono analizzare grandi quantità di dati su modelli di vento, prestazioni delle turbine e fattori ambientali per identificare il layout ottimale di un determinato parco eolico. Affinando i modelli basati su dati in tempo reale, gli algoritmi possono adattarsi alle mutevoli condizioni e migliorare le prestazioni complessive dell’impianto. Ciò può portare ad un aumento della produzione di energia, oltre a favorire la riduzione dei costi associati alla manutenzione, poiché i sistemi basati sull’intelligenza artificiale possono prevedere e raccomandare misure preventive.

IA al servizio dell’eolico offshore: il ruolo degli algoritmi

Un’altra area in cui l’intelligenza artificiale avrà un impatto significativo è quella della manutenzione predittiva. Le turbine eoliche offshore sono soggette a condizioni ambientali che possono portare ad una maggiore usura e probabilità di guasti delle componenti. La manutenzione regolare è dunque essenziale per garantire il funzionamento continuo delle turbine. Incorporando le tecnologie di IA e machine learning, gli operatori di parchi eolici offshore possono prevedere, con maggiore precisione, riparazioni e sostituzioni in modo più efficiente. Agli operatori possono essere suggerite azioni specifiche, passando da un programma di manutenzione basato su calendario a una attività basata sulle condizioni degli asset molto più economica. Si possono così ridurre i tempi di inattività e i costi associati, ma anche migliorare la sicurezza complessiva dell’operazione, in quanto eventuali criticità possono essere identificate e risolte con anticipo.

Le innovazioni sono chiamate a contribuire inoltre a migliorare l’integrazione dell’energia eolica offshore nella rete elettrica. Analizzando i dati sulla produzione, sulla domanda e sulla stabilità della rete, i sistemi di intelligenza artificiale possono aiutare a ottimizzare la distribuzione dell’energia dai parchi eolici offshore, garantendo che l’elettricità generata sia utilizzata nel modo più efficiente possibile. Un esempio concreto è in Beleolico a Taranto, il primo parco eolico marino del Mediterraneo realizzato da Renexia. Le dieci turbine dell’impianto sono collegate 24h su 24, 7 giorni su 7 a una control room dove una squadra di tecnici specializzati può visualizzare in tempo reale la performance delle turbine e la produzione di energia. Questa analisi è possibile grazie a un sistema di fibre ottiche e sensori in grado di misurare il vento rilevato e inviare le informazioni in maniera dettagliata ai terminali della control room.

La rete neurale artificiale

A questo proposito, esistono studi che propongono paradigmi basati su una rete neurale artificiale per prevedere la generazione di energia eolica e la domanda di carico. Parametri meteorologici, tra cui la velocità del vento, la temperatura e la pressione atmosferica vengono forniti al modello come input. La previsione accurata della potenza garantisce una programmazione e una gestione dell’energia (EM) ottimali.

Tra questi, lo studio Effective artificial neural network-based wind power generation and load demand forecasting for optimum energy management (a cura di Jannet Jamii et. al.), pubblicato sulla piattaforma open science Frontiers, si concentra sulla previsione della produzione di energia eolica (WP) e della potenza richiesti per un EM ideale. La ricerca presenta previsioni a breve e a medio termine sulla generazione di WP e della domanda di potenza nei sistemi di energia eolica connessi alla rete, utilizzando una rete neurale artificiale (ANN). Per realizzare questo potenziale, viene sviluppato uno studio comparativo tra ANN e diverse tecniche di machine learning.

Il coordinamento di reti intelligenti implica alti livelli di complessità e richiede sistemi di gestione dell’energia (EMS) molto avanzati e performanti, in grado di far fronte all’intermittenza delle FER. In questo contesto, un attributo critico per la gestione ottimizzata di tali soluzioni energetiche integrate è la previsione estesa per la “cattura” di diverse variabili ed aspetti della microrete, come la generazione di energia rinnovabile, la domanda di carico e i prezzi dell’elettricità. Tali modelli di previsione consentono la minimizzazione dell’incertezza sia per la domanda che per la produzione, insieme a un funzionamento ottimizzato dei diversi componenti del sistema su base giornaliera. In conclusione, la produzione di energia rinnovabile può essere aumentata, i dispositivi di accumulo gestiti in modo ottimale e le strategie EMS diventare più flessibili, garantendo minori costi operativi.

Se in mare l’eolico off-shore si è affermato per l’altissimo grado di compatibilità con gli ecosistemi marini grande interesse sta destando il dibattito che si è aperto a Taranto il 28 luglio in occasione dell’evento promosso dalla Fondazione UniVerde ed altri partners tra il mondo agricolo, rappresentato dal noto imprenditore e presidente di Coldiretti Puglia, Savino Muraglia, e il mondo delle rinnovabili, per l’agrivoltaico. Dai lavori è emerso un favore pressocché unanime verso sistemi di produzione di energia da fotovoltaico sapientemente integrato in agricoltura, da parte di tutte le Istituzioni coinvolte a partire da Vannia Gava (Viceministro dell’ambiente e della sicurezza energetica), ai rappresentanti dei due rami del Parlamento, Patty L’Abbate (Vicepresidente Commissione ambiente, territorio e lavori pubblici, Camera dei Deputati) e Mario Turco (Componente commissione permanente finanze e tesoro, Senato della Repubblica) e continuando con Giacomo Aiello (Capo di Gabinetto del Ministero dell’agricoltura, della sovranità alimentare e delle foreste) e Giuseppe Catalano (Capo di Gabinetto della Regione Puglia).

Foto di Levan Badzgaradze su Unsplash