Roma, 23/04/2024 Notizie e approfondimenti sui temi dell’Energia in Italia, in Europa e nel mondo.

Intelligenza artificiale per potenziare le rinnovabili e l’efficienza energetica

11rinnovabili cooperative
Home > News > Solare > Intelligenza artificiale per potenziare le rinnovabili e l’efficienza energetica

Migliorare l’efficienza energetica del patrimonio edilizio, incrementare la produttività dei pannelli solari fotovoltaici, rendere il settore agricolo più sostenibile, decarbonizzato e competitivo a livello europeo e non solo, l’intelligenza artificiale apre a nuovi scenari grazie alle numerose applicazioni in campi tra loro molto diversi. Il mercato dell’IA applicata alle rinnovabili è stimato valere 75 miliardi di dollari entro il 2030.

IA e rinnovabili, un mercato globale in crescita

Negli ultimi anni sono stati annunciati obiettivi comuni in Europa che richiedono grandi capacità di investimento, risorse operative e competenze, ma anche di pianificazione e di implementazione di tutti i progetti. Dall’abbattimento delle emissioni nocive alla decarbonizzazione, dall’automazione alla sostenibilità e l’efficienza, l’intelligenza artificiale (IA) sta guadagnando terreno, con sempre nuove applicazioni.

Nel Regno Unito, l’IA ha trovato impiego nell’accumulo di energia da fonti rinnovabili. In questo modo, secondo stime del Governo britannico l’AI integrata a sistemi di battery storage o smart storage consentirà al Paese di risparmiare circa 50 miliardi di dollari entro il 2050, proprio accumulando energia da impianti solari ed eolici da riutilizzare in ogni momento (anche per far fronte ad eventuali cali di tensione sulla rete), garantendo continuità e sicurezza della fornitura.

Esiste anche un mercato globale relativo all’impiego di soluzioni di intelligenza artificiale nel settore delle fonti energetiche rinnovabili e pulite, che secondo Precedence Research è stimabile in 75 miliardi di dollari entro il 2030. Lo scorso anno il giro di affari ha superato i 10,5 miliardi di dollari in tutto il mondo, per il 2023 si attende una cifra che potrebbe raggiungere i 14 miliardi di dollari.

E’ la crescita della domanda mondiale di energia elettrica ha guidare l’adozione dell’IA nel mercato delle rinnovabili. L’Asia, in particolare l’India e la Cina, favoriranno gli investimenti in queste tecnologie, con il conseguente sviluppo di micro reti e sistemi di accumulo.

Il progetto europeo Symbiosyst

Il progetto Symbiosyst ad esempio ha il compito di abbinare il fotovoltaico di ultima generazione, intelligenza artificiale e attività agricole (agrivoltaico) per incrementare la produzione da fonti rinnovabili senza ulteriore consumo di suolo, con benefici in termini economici e di tutela del paesaggio, in linea con gli obiettivi europei di neutralità climatica al 2050.

Un’iniziativa finanziata dal programma europeo Horizon e portata avanti da 18 partner, tra cui per l’Italia: Enea, Eurac Research (coordinatore), EF Solare, Convert, ETA Florence Renewable Energy, Centro di Sperimentazione Laimburg e Südtiroler Bauernbund.

In questo ambito, l’IA sarà impiegata per la modellazione finalizzata alla produzione di energia elettrica, alla crescita delle piante, alla gestione degli impianti e ai sistemi di supporto decisionale.

Nel suo complesso, il progetto si concentrerà sull’adattamento di moduli fotovoltaici, strutture di montaggio e pratiche di conduzione e gestione standardizzate, alle esigenze specifiche di varie colture agricole, in climi e paesaggi diversi, permettendo alla ricerca scientifica di procedere di pari passo con lo sviluppo di sistemi nuovi, diversificati ed economicamente scalabili.

IA ed efficienza energetica

Ma l’IA può avere molti altri impieghi. Ad esempio per valutare l’efficacia delle strategie di efficienza energetica del patrimonio edilizio italiano nel medio-lungo periodo.

Sempre l’Enea ha effettuato dei test sul patrimonio edilizio della regione Umbria. Una volta stimata la domanda energetica totale del parco edilizio della Regione (circa 870mila tonnellata equivalente di petrolio, che corrispondono a un consumo medio per abitazione pari a 206 kWh/m2), è stata sviluppata una rete neurale artificiale, ossia un modello avanzato di elaborazione dati, capace di simulare i consumi energetici del patrimonio in questione, in un intervallo temporale di 25 anni, e applicando sei diverse strategie di efficientamento energetico.

La rete sviluppata è in grado di fornire delle proiezioni di risparmio energetico in relazione a differenti interventi realizzabili sugli edifici riguardanti solo l’involucro, solo gli impianti, o la loro combinazione”, ha spiegato in una nota Iole Nardi, ricercatrice del Laboratorio ENEA di Efficienza energetica negli edifici e sviluppo urbano.

Grazie all’IA si è ottenuto un risultato preliminare in cui si è evidenziato un aumento del risparmio energetico ottenibile (fino al 23%), ottenibile tramite interventi sul patrimonio edilizio più energivoro della Regione e una riduzione complessiva della domanda energetica del settore pari al 13%.

L’efficienza delle reti neurali artificiali e dei big data

“Questi risultati confermano le enormi potenzialità dell’intelligenza artificiale e, in particolare, delle reti neurali artificiali come sofisticato strumento di elaborazione dati e di analisi energetiche previsionali. La loro capacità di simulare il comportamento del cervello umano gli permette di ‘apprendere’ attraverso l’esperienza; l’intelligenza artificiale, infatti, non viene programmata, ma ‘addestrata’ ad eseguire compiti sempre più complessi attraverso un processo di apprendimento basato su dati empirici, come quelli che abbiamo utilizzato per questo studio in cui sono state elaborate anche informazioni contenute negli Attestati di Prestazione Energetica”, ha detto Domenico Palladino, ricercatore del Laboratorio ENEA di Efficienza energetica negli edifici e sviluppo urbano.

La rete neurale in questione è stata addestrata adottando un’architettura costituita da tre strati (uno di input, uno intermedio e uno di output) in cui il numero di neuroni impiegato nello strato intermedio (13 neuroni), desunto a seguito di un’analisi di sensitività, è quello che ha restituito una IA più affidabile, “caratterizzata da un valore di Regressione di 0.998 e un errore medio normalizzato di ±0.02, corrispondente ad un errore quadratico medio di 4.195·10^-5”, si legge in una nota Enea.

Giornalista

Articoli correlati