Comunità energetiche, emobility, energy storage, smart building, resilienza della rete elettrica: in tutti questi casi saranno essenziali le microgrid, componenti del panorama energetico futuro che beneficeranno dell’impiego dell’intelligenza artificiale. Ecco come e perché.

TAKEAWAY

• Le microgrid garantiscono disponibilità di energia in piccole isole o luoghi remoti, oltre ad assicurare una maggiore resilienza della rete elettrica, sempre più vittima di eventi estremi.
• La loro crescita, da qui al 2030, sarà notevole: si stima che la capacità installata raggiungerà i 32,8 GW e che saranno in grado di generare 72 miliardi di dollari.
• L’utilizzo dell’intelligenza artificiale consente loro di gestire al meglio la complessità in cui operano e di intervenire in maniera rapida, sicura ed efficiente.

---

Nel percorso verso la transizione energetica, diventa prezioso l’impiego di tecniche che fanno capo all’ambito di studi intelligenza artificiale per le microgrid. Le microreti assumeranno sempre più importanza nello scacchiere energetico, perché contribuiranno a creare una rete elettrica più affidabile, resiliente, sicura e “pulita”. Esse saranno sempre più utili a garantire che aree remote e piccole isole possano contare su una fornitura energetica costante, per le comunità energetiche attese a un grande sviluppo, ma anche per gestire sistemi di ricarica di veicoli elettrici alimentati con fotovoltaico.

Per questo si prevede che le microgrid alimentate da fonti rinnovabili triplicheranno la loro espansione – fino a raggiungere i 32,8 GW di capacità installata entro il 2030 – e genereranno 72 miliardi di dollari di crescita del PIL. Inoltre, per ogni milione di dollari investito in attività riguardanti le microgrid alimentate con fonti di energia rinnovabile, si creeranno 3,4 posti di lavoro qualificati e 500mila dollari di benefici economici. La stima emerge da un report di Guidehouse insights, commissionato al Civil Society Institute, che motiva perché questi sistemi di gestione energetica assumeranno un’importanza cruciale. Ha preso come casi studio la California e Porto Rico: entrambe puntano a contare su energia da fonti rinnovabili al 100% al 2050. Inoltre, stanno sperimentando gli effetti del climate change, sotto forma di eventi naturali disastrosi aumentati esponenzialmente negli ultimi anni. La sola California ha registrato 25.281 interruzioni di corrente nel 2019, in aumento del 23% rispetto all’anno prima. In Porto Rico, a ottobre, più di 4.000 persone si sono messe in marcia per denunciare come la mancanza di elettricità abbia avuto pesanti conseguenze in termini di salute, lavoro e anche di scolarizzazione.

Questo problema ha un impatto pesante a medio e lungo termine. Secondo il Dipartimento dell’Energia degli Stati Uniti, le interruzioni di corrente costano all’economia USA fino a 70 miliardi di dollari all’anno. Per questo, gli USA sono corsi ai ripari investendo oltre 65 miliardi di dollari nel Bipartisan Infrastructure Deal che – riferisce la Casa Bianca – costituisce il più grande investimento nella trasmissione e nella rete di energia pulita nella storia americana.

Di questi, 3 miliardi di dollari verranno stanziati per lo Smart Grid Investment Matching Grant Program, per migliorare la flessibilità della rete. Esso comprende l’aggiornamento dei sistemi di trasmissione e distribuzione esistenti e altre azioni, come lo sviluppo dell’energy storage. Ed è qui che vengono citate le microgrid, elementi preziosi per «un nuovo futuro energetico, in cui famiglie e imprese spesso generano la propria energia pulita attraverso microgrid e altre fonti di energia distribuita». Vediamo ora in che modo l’intelligenza artificiale può essere di supporto per le microgrid.

Microgrid: cosa sono e quali vantaggi offrono

Per “microgrid” si intende una rete energetica locale che, seppure collegata all’infrastruttura generale, può disconnettersi dalla rete e funzionare autonomamente. La sua dimensione “micro” rimanda al fatto che può gestire aree limitate, come una serie di smart building, un complesso industriale o una base militare, integrando diversi tipi di energia, comprese le fonti rinnovabili. Anche se la loro diffusione commerciale è ancora limitata, si prevede un grande sviluppo per la loro grande duttilità.

All’interno delle microgrid ci sono uno o più tipi di energia distribuita, provenienti da pannelli solari, turbine eoliche, combinazioni di calore ed energia, generatori e altri componenti. Inoltre, le microgrid più recenti contengono batterie per energy storage e diverse prevedono anche infrastrutture di ricarica per veicoli elettrici.

L’aspetto più interessante delle microgrid è che sono sistemi intelligenti. Questa intelligenza deriva dal microgrid controller, il cervello del sistema, che gestisce i generatori, le batterie e i sistemi energetici degli edifici in modo da soddisfare gli obiettivi energetici stabiliti dagli utenti della microgrid. Essi possono cercare di ottenere i prezzi più bassi, energia più green, una maggiore affidabilità elettrica. Il controller raggiunge questi obiettivi aumentando o diminuendo l’uso di qualsiasi risorsa della microrete. 

La natura delle microreti è, quindi, complessa come la loro pianificazione e gestione, in quanto operano in uno scenario in costante evoluzione. Per contribuire alla loro efficienza, diventa essenziale l’impiego dell’intelligenza artificiale per le microgrid.

I benefici dell’intelligenza artificiale per le microgrid

Uno dei fattori di maggiore complessità è la gestione dei dati. Come illustra il libro bianco realizzato da Microgrid Knowledge, le reti elettriche centralizzate sono dinamiche e complesse, e comprendono dati voluminosi e talvolta complicati. L’introduzione dei contatori intelligenti ha aumentato significativamente la quantità di dati, fino a 54 petabyte all’anno, secondo alcune stime. Ecco allora che entra in gioco l’intelligenza artificiale per le microgrid. Adeguate tecniche di AI possono permettere, infatti, di gestire gli enormi volumi di dati necessari per monitorare continuamente lo stato della generazione di energia e dei dispositivi di stoccaggio, sia sulla rete che sulla microrete. Inoltre:

«Possono anche elaborare altri dati, come la domanda di energia, i modelli meteorologici, il flusso di trasmissione e la volatilità dei prezzi dell’energia. La modellazione continua e in tempo reale di un tale enorme volume di dati permette all’intelligenza artificiale di calcolare e fornire soluzioni efficienti rapidamente»

L’utilizzo di tecniche di intelligenza artificiale e di machine learning – per gestire la pianificazione e il funzionamento continuo della microgrid – permette al sistema di raggiungere un’orchestrazione efficiente di tutti gli input e output.

Intelligenza artificiale per le microgrid: esempi e applicazioni

L’impiego dell’intelligenza artificiale per le microgrid trova già diversi esempi concreti. Lo stesso white paper di Microgrid Knowledge riporta il caso di un fornitore di servizi di energy storage in Pennsylvania, New Jersey e Maryland che usa una rete di batterie agli ioni di litio per fornire ai clienti una capacità di stoccaggio ottimale.

Il ciclo di vita di una batteria Li-ion può essere migliorato gestendo le loro fasi di carica e scarica dove e quando serve. Utilizzando l’AI per la modellazione e l’ottimizzazione, utilizzando i dati disponibili, i controllori possono fare le regolazioni necessarie al sistema di stoccaggio dell’energia per garantire che ciò avvenga. Il sistema è stato in grado di prevedere accuratamente la demande response, riducendo l’uso delle batterie.

Come risultato, il fornitore di servizi ha potuto massimizzare le entrate dei servizi ausiliari nel mercato locale dell’energia. L’aggiunta dell’intelligenza artificiale ha contribuito a migliorare le prestazioni delle batterie, oltre a garantire ottime condizioni in termini di salute e di longevità.

C’è anche chi ha avviato un progetto di ricerca per studiare gli effetti virtuosi dell’intelligenza artificiale per le microgrid. Peng Zhang, professore della statunitense Stony Brook University, e il team di ricerca che conta partner del mondo dell’industria, del governo e di altri enti dello Stato di New York, stanno portando avanti “AI-Grid”, progetto per lo sviluppo di una rete autonoma e abilitata dall’AI, progettata per mantenere l’infrastruttura energetica resistente a cyberattacchi, guasti e incidenti.

Questo progetto – finanziato dagli USA con 5 milioni di dollari – intende trasformare le infrastrutture elettriche oggi esistenti in microgrid autonome di domani e servizi flessibili immuni da attacchi informatici. 

La premessa da cui parte è che le microgrid coordinate in rete promettono di migliorare significativamente l’affidabilità della rete elettrica. Ma oggi diversi fattori sono di ostacolo al loro sviluppo. AI-Grid intende affrontarli e risolverli, sviluppando una piattaforma AI programmabile che integra una modellazione affidabile in condizioni di incertezza, architetture software ad alta affidabilità e tecnologie di cybersicurezza idonee.

Microgrid e AI in Italia presso il Campus universitario di Savona

Anche in Italia ci sono esempi di ricerca dedicati a verificare l’impiego dell’intelligenza artificiale per le microgrid. Uno di questi riguarda il Campus universitario di Savona, un progetto assai innovativo che combina Internet of Things, Big Data Analytics, machine learning e automazione.

Qui è stata realizzata la prima microrete energetica intelligente in Italia, materia di studio e base del progetto RESTABILISE 4.0. Esso intende “sviluppare, integrare, validare su una microgrid grid reale e rendere disponibili in un “toolkit” finale un insieme efficace di tecnologie abitanti per gestire e garantire la resilienza e l’affidabilità dei sistemi energetici. Per questo impiega l’’infrastruttura della Smart Poligeneration Microgrid dell’Università di Genova presso il campus di Savona. 

Il principio di funzionamento trae origine dall’impiego dei dati: una volta raccolti da sensori, dispositivi e da una piattaforma IoT, vengono processati sfruttando l’edge computing, che permette anche di ottimizzare la gestione della smart grid, di effettuare analisi sulla fornitura locale di elettricità, prevedere il fabbisogno e massimizzare i guadagni degli utenti con una compravendita sul mercato dell’energia di quella prodotta grazie a fonti rinnovabili (fotovoltaico) e cogenerazione.

Per quanto riguarda la cybersecurity, è stato sviluppato un algoritmo per identificare le anomalie nei dati in ingresso, fornendo poi un pattern di dati a beneficio dell’energy management system. Oltretutto, sono state impiegate tecniche di machine learning e di simulazione per prevenire e mitigare rischi di sbilanciamento.