Moxoff Point of View

Algoritmi predittivi: come usarli per rendere la rete elettrica più “intelligente”

Utilizzando strumenti di data science, intelligenza artificiale e machine learning, Moxoff ha sviluppato per un gestore di rete elettrica nazionale modelli previsionali che lo supportano nel controllo dell’infrastruttura

Pubblicato il 20 Gen 2021

energy concept

La trasformazione digitale sta inducendo sfide e creando opportunità anche tra gli operatori del settore elettrico. Grazie alla digitalizzazione, alla potenza predittiva degli strumenti analitici evoluti (advanced analytics) e della data science, questi gestori stanno compiendo una fondamentale transizione: una trasformazione che li porta a evolvere le proprie competenze, dalle classiche funzioni di trasporto e dispacciamento, verso attività di pianificazione della distribuzione di energia elettrica, e programmi di manutenzione dell’infrastruttura guidati da una approfondita analisi dei dati. Tutto ciò sta avvenendo nello scenario di crescente integrazione e interconnessione degli operatori di rete elettrica nazionali in un contesto sovranazionale ed europeo.

Andare oltre il dispacciamento, e pianificare i consumi

Tradizionalmente, la missione primaria di ogni gestore elettrico è sempre stata il controllo della trasmissione e del dispacciamento, ossia del servizio che governa il bilanciamento della rete, monitorando e mantenendo in equilibrio nel tempo il rapporto tra l’energia immessa e quella prelevata, per garantire con continuità il soddisfacimento del fabbisogno degli utenti su tutto il territorio nazionale. “Il bilanciamento della rete elettrica è tipicamente regolato tramite meccanismi automatici – spiegano in Moxoff, società appartenente al gruppo Zucchetti, e specializzata in data science e advanced analytics – attivando o disattivando le connessioni a determinate centrali di fornitura dell’energia. Tuttavia, ad oggi vi sono fattori socio-economici, come l’organizzazione di scioperi dei trasporti, di grandi eventi sportivi o musicali, o il verificarsi di fenomeni meteorologici, in grado d’influenzare fortemente comportamenti di massa o la generazione rinnovabile, che a loro volta impattano sulla capacità dell’operatore di gestire con efficienza il dispacciamento sulla rete elettrica. Quando, ad esempio, si verifica uno sciopero dei mezzi pubblici in una grande città, il traffico auto aumenta, ritardando i viaggi e i rientri delle persone alle proprie abitazioni, dove, di norma, i consumi di energia elettrica cominciano a salire verso le 18. Il giorno dello sciopero, però, i ritardi causati faranno salire la curva dei consumi solo più tardi, ad esempio alle 19, e in quel momento la rete dovrà essere pronta a erogare tutta l’energia necessaria”.

Proprio per risolvere questi problemi, e riuscire ad amministrare con intelligenza ed efficienza la propria infrastruttura, prevedendo con un buon margine di tempo l’insorgere di tali fabbisogni, l’operatore di rete elettrica nazionale, con cui Moxoff ha collaborato, ha avviato nel 2019 un progetto di miglioramento. Quest’ultimo sfrutta l’enorme volume di dati generati dalla rete elettrica, che vengono analizzati in profondità per poi sviluppare evoluti modelli e algoritmi predittivi.

Decisioni più informate con gli “advanced analytics”

“Prevedere i picchi futuri di domanda di energia, incrociando i flussi di dati tecnici prodotti da una rete elettrica estremamente sensorizzata con la varietà di variabili socio-economiche che determinano comportamenti di massa non è certo un compito banale, ed è diventata un’applicazione strategica per potenziare la capacità di pianificazione del gestore: oggi esso può prendere decisioni migliori basandosi su modelli predittivi di qualità, grazie alle competenze acquisite nella raccolta e preparazione dei dati, e nella modellistica matematica, coadiuvata dalle potenzialità offerte da metodi ed algoritmi di intelligenza artificiale e machine learning. I benefici che questi strumenti previsionali forniscono, consentendo di prevedere con un significativo margine di precisione e anticipo quando si verificheranno i picchi di consumo e di quale entità saranno, risultano particolarmente importanti, anche considerando le caratteristiche delle centrali: ad esempio, l’avviamento da freddo di una centrale termoelettrica, può richiedere fino a 24 ore, e va quindi programmato per tempo”.

Gli advanced analytics giocano poi un ruolo chiave per svolgere meglio anche altri compiti. “La densità dei dati ricavabili dalla rete – chiarisce Moxoff – permette inoltre di elaborare informazioni utili e insight preziosi anche per le attività di manutenzione necessarie a conservarla in salute. Qui, infatti, rispetto ad altri impianti industriali, eseguire con efficienza e proattività gli interventi di manutenzione si rivela ancor più cruciale, a maggior ragione perché la rete elettrica è un’infrastruttura per sua natura estremamente critica e vitale per qualunque paese al mondo”.

Algoritmi per condividere “know-how” ed esperienza

La valenza degli strumenti analitici evoluti nel porre ordine nei dati e nel fornire informazioni di qualità correlando eventi e fenomeni socio-economici disparati, e apparentemente disconnessi, è già un vantaggio importante, sottolinea Moxoff, a cui però se ne aggiungono altri. “Un ulteriore aspetto strategico è soprattutto il fatto che, grazie agli advanced analytics, il gestore della rete abbia potuto sviluppare un sistema matematico personalizzato sulla base delle proprie esigenze e in grado, non solo di “ingerire” ed elaborare tutti questi dati, ma anche di centralizzare la disponibilità di competenze, esperienza professionale maturata sul campo, insight, modelli previsionali. Oggi, in sostanza, il sapere non è più frammentato, confinato, e demandato occasionalmente alla pratica quotidiana accumulata in anni di lavoro dai singoli addetti in servizio nelle varie centrali locali, ma diventa immediatamente e sistematicamente condivisibile attraverso un algoritmo che funziona sui server di un sistema informatico”.

Attuando tale strategia, l’operatore di rete elettrica nazionale, non solo sta portando avanti un progetto di continuo efficientamento della propria infrastruttura di distribuzione dell’energia, ma sta anche pensando di utilizzare il nuovo sistema di conoscenza condivisa, reso possibile dall’intelligenza artificiale e dagli algoritmi predittivi, per scopi di formazione professionale delle nuove generazioni di addetti alla gestione della rete, nell’ambito dei programmi di avvicendamento del personale.

AI-Based Servitation: guida alla trasformazione del business. Scarica il White Paper

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Giorgio Fusari
Giorgio Fusari

Articoli correlati