Che ruolo può avere l’intelligenza artificiale per l’energia e, in generale, l’innovazione tecnologica per sostenere lo sviluppo delle fonti energetiche? Nel percorso verso la transizione energetica, le rinnovabili possono già oggi ottenere un aiuto da AI, da robot e droni.
L’Agenzia internazionale per l’energia ha realizzato uno studio specifico in cui ha messo in rilievo una stima secondo cui l’intelligenza artificiale conta già più di 50 usi diversi nel sistema energetico. In futuro, il mercato relativo alla tecnologia nel settore potrebbe valere fino a 13 miliardi di dollari.
Già il settore oil & gas ha sperimentato i benefici dell’intelligenza artificiale e ha compreso il loro preziosa aiuto. Come ricorda Wood Mackenzie, BP ha definito l’AI come un fattore in grado di contribuire per 2 miliardi di dollari in termini di risparmi sui costi entro il 2026. ExxonMobil ha investito in artificial intelligence per ridurre il costo della fornitura di olio di scisto nel Bacino del Permiano fino a 7 dollari al barile. La stessa compagnia ha già utilizzato robot all’interno delle pipeline, scansionandone l’interno per misurarne i rivestimenti: nel 2019 è stata la prima al mondo a usarne uno provvisto di tecnologia di risonanza acustica proprio per scandagliare le condutture.
Una chiave di lettura per comprendere l’importanza di applicare metodi di intelligenza artificiale all’energia, per ottenere benefici, è offerta dal potere dei dati. IEA lo ha sottolineato: i nuovi dispositivi per il monitoraggio dei flussi di energia della rete incanalano più di un ordine di grandezza di dati agli operatori rispetto alle tecnologie che stanno sostituendo.
Secondo una ricerca sui big data nel settore eolico condotta da Greenbyte AB, ricordata dalla stessa Agenzia, le infrastrutture nel mondo (oltre 650 GW) di energia eolica onshore e offshore generano ora anche più di 400 miliardi di punti dati ogni anno.
Già solo nella rete elettrica l’intelligenza artificiale ha la potenzialità di giocare un ruolo di primaria importanza, per:
“Uno degli usi più comuni dell’intelligenza artificiale per il settore energetico è stato quello di migliorare le previsioni di domanda e offerta. Sviluppare una maggiore comprensione sia di quando l’energia rinnovabile è disponibile sia di quando è necessaria è fondamentale per i sistemi energetici di prossima generazione”.
Gli algoritmi AI possono analizzare i modelli meteorologici, prevedere la produzione di energia e adattare le operazioni in tempo reale per massimizzare la produzione di energia.
Possono monitorare costantemente lo stato di salute dei pannelli solari e delle apparecchiature associate, l’intelligenza artificiale può prevedere potenziali guasti prima che si verifichino. Ciò riduce i tempi di fermo e i costi di manutenzione, garantendo una fornitura energetica costante.
L’AI, inoltre, facilita una migliore integrazione dell’energia solare nella rete prevedendo le fluttuazioni nella produzione e nella domanda di energia.
Vediamo, ora, quali possono essere, gli impieghi e i benefici dell’impiego dell’intelligenza artificiale per l’energia fotovoltaica.
La ricerca da tempo si è mossa per affrontare e rispondere alle esigenze delle imprese che hanno deciso di investire sul fotovoltaico. A questo proposito va segnalato il progetto Supernova, avviato quest’anno e coordinato da Eurac Research. Finanziato da Horizon Europe per quasi 5 milioni di euro, si concentrerà sul migliorare la progettazione degli impianti solari e la loro gestione e manutenzione. Per questo intendono, tra l’altro, mettere a punto e sfruttare soluzioni robotiche per ridurre i costi, aumentare la raccolta dati e automatizzare il processo.
Intendono, inoltre, sviluppare una metodologia per classificare i componenti solari basata su big data e intelligenza artificiale. Infine, intendono creare fiducia e valore aziendale attraverso la condivisione dei dati sull’energia solare fotovoltaica.
Realizzare impianti fotovoltaici utility scale è un intervento che richiede tempo e manodopera. Perché non automatizzarlo? Da qui è partita l’idea alla base della nascita di Charge Robotics, che ha sviluppato un sistema basato su robot.
L’installazione di enormi parchi solari richiede alcune fasi, che spaziano dalla palificazione al fissaggio dei pannelli solari. Se per l’installazione dei pali, Charge Robotics non intende cambiare il metodo lavorativo che richiede l’impiego di persone, per le altre fasi l’azienda ha sviluppato una fabbrica portatile, facilmente trasportabile, composta da bracci robotici, che avvitano insieme i pannelli solari e le staffe di montaggio. Denominato Sunrise, è il primo sistema al mondo di costruzione solare completamente automatizzato: è progettato per assemblare, controllare la qualità e installare hardware di inseguimento solare.
Sunrise impiega solo una piccola squadra di operatori, conducenti e tecnici. È possibile installare fino a 1 MW di energia solare al giorno e un progetto potrebbe utilizzare più sistemi contemporaneamente. Quest’anno la società prevede di aumentare le dimensioni e commercializzare i robot. Nel 2025, il team prevede di iniziare a lavorare su installazioni su larga scala.
Gli impianti solari, specie quelli utility scale, hanno necessità di essere monitorati in modo da intervenire tempestivamente in caso di anomalia. In Germania, per esempio, il parco solare Neue Energie West conta su un solo drone che monitora 17mila moduli in modo completamente automatico, 24 ore su 24.
Ciò è stato reso possibile da una soluzione supportata dall’intelligenza artificiale di Autonomous Reply che permette al drone, posizionato in modo permanente sul posto, di fare perlustrazioni in modo indipendente e in ogni momento, di fare diverse rilevazioni. Nel caso di anomalia, il drone lo visualizza su una dashboard e crea automaticamente un ticket, consentendo all’operatore di reagire rapidamente ed evitare tempi di inattività.
L’utilità dell’intelligenza artificiale per l’energia eolica avviene in molteplici modi. Dalla progettazione alla ottimizzazione della produzione fino alla manutenzione, non c’è fase in cui l’AI, ma anche la tecnologia più avanzata, non si riveli preziosa.
Il colosso statunitense dell’energia General Electric Company (GE), per esempio, ha sviluppato una tecnologia basata su AI/ML, premiata con il Manufacturing Leadership Award dalla National Association of Manufacturers. Questa soluzione potrebbe consentire di ridurre del 10% dei costi logistici, il che rappresenterebbe un risparmio sui costi globali per l’industria eolica fino a 2,6 miliardi di dollari all’anno entro il 2030, sulla base delle attuali proiezioni di crescita del settore.
Costruire parchi eolici è un’impresa costosa. Una struttura offshore richiede oltre 1,2 miliardi di euro di investimenti di capitale (fonte: WindEurope), con un costo in forte aumento negli ultimi mesi in linea con l’inflazione della catena di fornitura e l’aumento dei tassi di interesse. I decisori politici, le aziende energetiche e i finanziatori devono essere certi che i parchi eolici futuri proposti siano progettati in modo da massimizzare la loro produzione di energia e ridurre al minimo i costi di costruzione, in modo da garantire una sostenibilità economica.
Una componente fondamentale di questo sforzo sono i modelli matematici dei parchi eolici offshore, rappresentazioni idealizzate della fisica del vento e delle sue interazioni con le turbine. Quando implementati su un computer, questi modelli possono essere utilizzati per prevedere la produzione di energia di un parco eolico. Tuttavia, la progettazione dei modelli è una sfida tecnica significativa.
Per affrontarla, i ricercatori del National Renewable Energy Laboratory (NREL) degli Stati Uniti hanno sviluppato uno strumento basato sull’intelligenza artificiale che potrebbe aumentare significativamente l’efficienza e ridurre l’impatto ambientale dei futuri parchi eolici. Lo strumento, da poco presentato, si chiama Wind Plant Graph Neural Network (WPGNN) ed è stato addestrato su simulazioni di oltre 250mila configurazioni di impianti eolici generate casualmente in diverse condizioni atmosferiche, progettazioni di impianti e funzionamento delle turbine.
L’AI ha utilizzato gli input della simulazione per determinare la progettazione ottimale di un impianto eolico, concentrandosi su una strategia chiamata wake steering. Essa ottimizza la quantità di energia che una centrale può produrre, controllando la scia che si muove da una turbina a monte, lontano da una turbina, a valle.
NREL spiega che il controllo della scia viene utilizzato per ottimizzare la quantità di energia prodotta da un impianto “controllando la scia che si muove da una turbina a monte lontano da una turbina a valle”. L’adozione di wake steering potrebbe ridurre in media del 18% e in alcuni casi fino al 60% il fabbisogno di terreno per i futuri impianti eolici.
Nel settore eolico il machine learning può svolgere un ruolo strategico, fornendo aiuto a far corrispondere l’offerta variabile con la domanda crescente e decrescente, massimizzando il valore finanziario dell’energia rinnovabile e consentendone un’integrazione più semplice nella rete.
Per esempio, la produzione di energia eolica può essere prevista utilizzando modelli meteorologici e informazioni sulla posizione delle turbine. Tuttavia, le deviazioni nel flusso del vento possono portare a livelli di produzione superiori o inferiori a quelli previsti, facendo aumentare i costi operativi.
Per risolvere questo problema, Google e la sua sussidiaria DeepMind hanno sviluppato una rete neurale nel 2019 per aumentare l’accuratezza delle previsioni per la sua flotta rinnovabile da 700 MW. Sulla base di dati storici, la rete ha sviluppato un modello per prevedere la produzione futura fino a 36 ore in anticipo con una precisione molto maggiore di quanto fosse possibile in precedenza.
Questa maggiore visibilità ha consentito a Google di vendere la sua energia in anticipo, anziché in tempo reale. L’azienda ha dichiarato che tale strategia, insieme ad altre efficienze facilitate dall’intelligenza artificiale, “ha aumentato il valore finanziario della sua energia eolica del 20%”, ricorda ancora IEA.
Le operazioni di operation & maintenance richiedono precisione e tempestività nell’intervento. Un’azienda britannica, presentata sul sito ufficiale dell’UE Enterprise Europe Network, ha sviluppato un modello di intelligenza artificiale che ispeziona le pale delle turbine eoliche in movimento. Avvalendosi di droni che sorvolano le aree da monitorare, raccolgono immagini, video e altri tipi di dati in tempi record.
Le informazioni raccolte vengono inviate a server e database e vengono analizzate utilizzando AI e machine learning. L’azienda ha sviluppato una rete neurale in grado di analizzare con efficacia tre eventi critici nelle pale di una turbina:
Il modello di neural network è progettato per interpretare le immagini e determinare con precisione le dimensioni e la posizione di ciascun evento su ciascuna pala in soli 0,02 secondi per fotogramma. La precisione dichiarata nel rilevamento di problemi critici è del 98%.
Per avviare indagini, l’azienda scozzese Sulmara ha puntato su imbarcazioni di superficie senza equipaggio (USV) specializzate nella raccolta di dati costieri. Di recente ha investito 1,6 milioni di dollari in attrezzature che le consentiranno di limitare l’impatto ambientale delle operazioni offshore di ampliare la propria flotta di USV, poiché il mercato delle indagini geofisiche sta crescendo con più progetti eolici offshore in tutto il mondo.
Anche Bureau Veritas intende sfruttare la propria esperienza nelle ispezioni delle navi nel settore eolico offshore, utilizzando il suo strumento Augmented Surveyor, software di riconoscimento dei modelli, che impiega AI per rilevare automaticamente i difetti strutturali e quindi mappa le anomalie rilevate nel modello cloud 3D con le foto associate scattate da un drone aereo.
Secondo l’azienda, lo strumento, può essere impiegato anche nel settore eolico offshore per ispezionare i componenti dei parchi eolici offshore, dalle turbine eoliche alle sottostazioni offshore.
