L’Intelligenza Artificiale può essere una preziosa alleata in molti settori: è infatti in grado di elaborare dati e trasformarli in utili informazioni in un modo che i software tradizionali non potrebbero fare.
Ma lo scotto da pagare si misura in TWh di energia consumata. Rispetto ai comuni datacenter, che si limitano ad archiviare dati o a eseguire elaborazioni più semplici, quelli destinati all’IA presentano consumi davvero importanti: ad esempio, secondo alcune stime nel 2023 Microsoft e Google hanno consumato ciascuna 24 TWh di energia (per fare un confronto, il consumo dell’intera Italia nello stesso periodo è stato pari a circa 306 TWh).
A fare un po’ di chiarezza in questo complesso scenario ci ha provato MCE organizzando l’evento “AI ed Energia: mix esplosivo o connubio perfetto?”, nel quale la questione è stata affrontata da molteplici punti di vista.
È Davide Chiaroni, Vice Director & Co-Founder Energy&Strategy del Politecnico di Milano, a tratteggiare il quadro che vede coinvolta l’IA, le infrastrutture necessarie e le potenzialità di questa tecnologia.
Dal punto di vista dell’energia prodotta, la sempre più elevata penetrazione delle FER nel mix nazionale aumenta notevolmente la complessità della gestione del sistema energetico italiano.
“L’IA lungo la supply chain del settore energetico è da considerarsi trasversale, perché coinvolge consumi, trasporto, distribuzione e produzione” ha spiegato Chiaroni nel proprio intervento. “Ma l’IA può anche contribuire al miglioramento dell’efficienza rispetto a soluzioni tradizionali: servono però algoritmi pensati appositamente per questo settore”.
Il riferimento è a quelli “presi in prestito” da altre industrie, come quelli relativi alla manutenzione. Più ci si sposta verso esigenze verticali, più servono algoritmi specifici e dati di qualità per affrontare questioni quali Generation forecast, Grid stability e Demand response. L’ottimizzazione e la flessibilità del sistema consentiranno di sfruttare al massimo le fonti rinnovabili senza dover intervenire in maniera massiva sugli impianti di storage e sulle reti.
Ragionamento analogo con l’Energy Assessment: un’ottimizzazione di base è già oggi possibile e viene elaborata con relativa semplicità, ma è con i sistemi più dinamici che si ottengono i maggiori benefici. In questo secondo caso, un sistema IA opportunamente addestrato mostra notevoli vantaggi rispetto a un algoritmo statico.
Naturalmente i dati da utilizzare devono essere selezionati in maniera opportuna: è inutile fornire all’IA ogni genere di variabile, correndo il rischio di ingolfare l’intero sistema.
Ma proprio qui sorge un altro problema: i numeri elaborati da Energy&Strategy mostrano come in Italia siano 489 le aziende che offrono servizi legati all’IA, ma solo 97 (molte delle quali di grandi dimensioni, con fatturato superiore ai 50 milioni di euro) siano coinvolte in maniera specifica nel settore dell’energia.
Il motivo non è difficile da identificare: il mercato energetico è tuttora estremamente complesso da modellizzare, e questo spiega in parte il ridotto numero di aziende impegnate in questa direzione. D’altro canto, ciò significa che le potenzialità di sviluppo di questo settore sono davvero imponenti e, soprattutto, promettono di rivoluzionare il mercato dell’energia.
Intellico nasce nel 2020 dal presupposto che l’IA potrà dare un forte contributo allo sviluppo della società. E in effetti, anche grazie all’evoluzione della sensoristica, all’automazione sempre più spinta e ai sistemi smart, non mancano le fonti di dati qualificati.
A presentare alcuni casi di successo è Sara Uboldi, Head of Solutions dell’azienda, che ha mostrato come l’uso intelligente dei dati possa portare vantaggi quando si tratta di gestire l’energia.
“L’IA sta entrando in una nuova fase evolutiva, volta alla comprensione, all’elaborazione e alla valorizzazione della conoscenza per supportare i processi decisionali complessi. Per coglierne davvero i benefici, occorre chiedersi dove vogliamo che l’IA ci aiuti”.
Il primo caso preso in esame riguarda Resilco, società che realizza reattori in grado di convertire materiali di scarto in materie prime secondarie utili per nuovi cicli produttivi, riducendo nel contempo le emissioni di CO2. La potenza impegnata dal reattore nella conversione può essere opportunamente regolata al fine di evitare sprechi, ed è proprio qui che un approccio data driven ha permesso di ottenere un sensibile miglioramento nei consumi.
Il secondo caso ha preso in esame una linea di estrusione per elastomeri con alcuni problemi, come la produzione di mescole non ottimizzate e la difficoltà nel processare opportunamente i materiali. Mettendo a fattor comune (datalake) i dati di processo e quelli del controllo qualità sono stati individuate e risolte le principali criticità, ottenendo così un cospicuo risparmio di risorse energetiche e di materie prime.
Un altro modo per intervenire sull’impatto che i datacenter hanno sui consumi energetici è renderli meno energivori. Un passo che in molti stanno già compiendo, ma che lascia intravedere ulteriori margini di miglioramento. Nella propria esposizione, Martino Bonalumi (PhD Candidate di Energy&Strategy) ha identificato le possibili aree di intervento.
I consumi primari riguardano l’infrastruttura IT (circa due terzi dell’energia complessiva utilizzata), seguita dai sistemi di raffreddamento (25/30%), dal power delivery (5/10%) e altri sottosistemi (come illuminazione, sicurezza e antincendio ecc., che in genere non superano il 5% del totale).
Gli interventi sulle infrastrutture IT possono includere la virtualizzazione delle macchine, l’utilizzo di hardware ad alta efficienza, l’ottimizzazione dei carichi di lavoro o lo spegnimento delle risorse non utilizzate.
Per quanto riguarda i consumi legati ai sistemi di raffreddamento, i gestori dei datacenter possono intervenire su più fronti:
Sia il Free Cooling che il Liquid Cooling rappresentano soluzioni sempre più interessanti per ridurre i consumi energetici dei datacenter. In particolare, il Liquid Cooling sembra offrire risultati molto promettenti, anche se le maggiori complessità e i costi di implementazione fanno in modo che non sia ancora diffuso.
A seconda della strada scelta e in base agli scenari di maggiore o minore incremento dell’utilizzo dei datacenter, si può giungere a risultati decisamente interessanti.
Restando in tema di datacenter e consumi, è interessante l’esperienza portata da Andrea Monti, Business Director di Tecnair (azienda del gruppo Panasonic). Il caso applicativo riguarda infatti il condizionamento di un datacenter collocato all’interno di un ateneo in Veneto.
Già 5 anni fa la macchina dedicata al raffreddamento risultava ormai inadeguata e, viste le dimensioni del locale a disposizione, non era possibile installarne una più potente.
A seguito di una attenta analisi si è deciso di passare a un impianto a espansione diretta in R410A con inverter, il tutto collegato al BMS. Non solo: nell’ottica della garanzia dell’operatività dei server, sono state installate 4 macchine, delle quali una di backup.
Oggi, a 5 anni di distanza, l’università ha chiesto una nuova fornitura basata però su gas con un GWP inferiore (R513A).
L’impatto sui consumi energetici degli edifici è stimato attorno al 40% del totale. I moderni sistemi HVAC, in particolare se abbinati all’uso di fonti fluttuanti come le FER, possono contribuire alla riduzione dei consumi e alla decarbonizzazione del pianeta. Occorre però trovare il corretto equilibrio tra tre elementi difficili da conciliare tra loro: intelligenza artificiale, modelli fisici e HVAC.
Come ha spiegato Claudio Zilio, Presidente di AiCARR (Associazione italiana condizionamento dell’aria, riscaldamento e refrigerazione), c’è un rapporto di reciprocità tra intelligenza artificiale, modelli fisici e HVAC.
In molti casi il confronto tra la simulazione di apparati anche relativamente semplici, come una pompa di calore, sfruttando l’intelligenza artificiale può generare risultati fuorvianti. L’intelligenza artificiale deve lavorare insieme ai modelli fisici per ottenere il miglior risultato possibile.
I sistemi ibridi – che sommano i vantaggi dell’intelligenza artificiale e dei modelli fisici – garantiscono la resa migliore sulle macchine HVAC, ma per farlo è necessario rivedere almeno in parte l’approccio progettuale tenendo conto anche dell’impiego dell’IA.
