Come funziona l’intelligenza artificiale per evitare blackout elettrici da ondate di calore

L'Intelligenza artificiale per evitare blackout elettrici da ondate di calore. E quindi, prevenire ed evitare guasti alle reti. Soprattutto alla luce dei cambiamenti climatici che, come sottolineano gli esperti, «hanno determinato un aumento delle ondate di calore, con una tendenza destinata a peggiorare nei prossimi anni a causa del riscaldamento globale». È l'obiettivo del progetto di lavoro che vede impegnati i ricercatori dell'Enea, con quelli del Politecnico di Bari e Università Roma Tre. Il progetto, sviluppato nell'ambito del programma Rafael e finanziato dal Ministero dell'Università e della Ricerca e testato nella rete di distribuzione del Sud Italia, si basa su tecniche di machine learning.

«Le infrastrutture di distribuzione dell'energia sono sistemi particolarmente vulnerabili a disastri naturali e a eventi meteorologici estremi, come le ondate di calore soprattutto nelle grandi aree urbane - premette spiega Maria Valenti, responsabile del Laboratorio Enea Smart grid e reti energetiche -. Per questo risulta importante individuare nuove soluzioni di monitoraggio e di gestione della rete per la previsione di eventuali guasti, come ad esempio le tecniche di data analysis e di machine learning che utilizziamo nel nostro innovativo approccio».

Anche perché, come argomenta la ricercatrice «l'intensità e la durata di questi fenomeni stanno causando un numero crescente di guasti alla rete di distribuzione elettrica, soprattutto in ambito urbano con un conseguente impatto negativo sui costi di manutenzione, sui servizi e in generale sulla vita delle persone». Nella prima fase del lavoro, il team ha “addestrato” l'algoritmo sui dati relativi ai guasti registrati tra il 2015 e il 2020 in una grande rete elettrica del Sud, alle condizioni meteo (temperatura ambientale e umidità) e ai flussi di energia, con l'obiettivo di identificare le possibili correlazioni. Nella successiva fase operativa, come sottolineano dall'Enea, i ricercatori hanno provato il sistema per l'analisi di una serie di dati di input (non visti in fase di addestramento).

Tra gli algoritmi testati, uno in particolare ha dato i risultati più accurati in termini di previsione di futuri guasti alla rete elettrica studiata in funzione sia delle condizioni meteorologiche che del fabbisogno energetico. «Avere la possibilità di prevedere malfunzionamenti - aggiunge la ricercatrice -consente potenzialmente all'operatore di rete di attuare azioni correttive orientate a minimizzare i disservizi per gli utenti del servizio elettrico».Partendo dal fatto che in città la rete è soggetta a maggiori sollecitazioni di carico, dovute all'aumento della domanda di energia elettrica concentrata in particolare nelle ore più calde della giornata, a causa del maggiore utilizzo degli impianti di climatizzazione e dal fatto che «la temperatura dell'aria supera spesso i 40 °C e anche durante le ore notturne rimane al di sopra della media storica», la ricercatrice evidenzia un aspetto emerso dagli studi: «la maggior parte dei guasti si è verificata a livello di giunti dei cavi e che, pertanto, tali elementi soffrono maggiormente le problematiche delle ondate di calore». Un elemento utile agli operatori e ai produttori di componentistica elettronica, «che potranno condurre così analisi più mirate per ottenere reti più resilienti». Non solo manutenzione, quindi ma anche previsione.

CONSIGLI24

I migliori consigli su prodotti di tecnologia, moda, casa, cucina e tempo libero

Scopri di più

Libri

Intelligenza artificiale

Scopri di più

«Grazie all'approccio proposto il gestore della rete potrà usare il nostro modello di previsione guasti adeguatamente ‘addestrato', per effettuare azioni correttive sulla rete di distribuzione interessata - conclude la ricercatrice - ed evitare danni all'infrastruttura e disservizi per cittadini e imprese, in particolare nel periodo compreso tra maggio e settembre, quando si concentra la maggior parte dei guasti provocati dalle alte temperature e dalle ondate di calore»