Nato a servizio dell'industria chimica, il Model Predictive Control si sta ora facendo strada anche nel settore energetico. A cominciare dalle reti di riscaldamento e raffrescamento degli edifici
di Mirko Morini e Costanza Saletti
Nell’ambito della transizione energetica sostenibile, che rappresenta una delle sfide principali per mitigare gli effetti del cambiamento climatico sul pianeta, il focus è generalmente posto sul settore della produzione e del trasporto di energia elettrica.
Allo stesso tempo si tende a sottovalutare e talvolta trascurare la rilevanza del settore calore che, tuttavia, costituisce circa il 50% del fabbisogno energetico in Europa. In particolare, circa un quarto degli usi finali dell’energia è dedicato alla climatizzazione degli ambienti. Diventa quindi di fondamentale importanza incrementare la ricerca e l’innovazione anche in questo campo.
Negli edifici, infatti, i principali fabbisogni energetici sono il riscaldamento (o raffrescamento in estate) e l’energia elettrica. Questi vengono comunemente soddisfatti separatamente e con una catena di approvvigionamento lineare: il combustibile, attraverso la modulazione delle caldaie, soddisfa il fabbisogno termico, mentre l’elettricità prelevata dalla rete soddisfa quello elettrico.
Da un lato, la cogenerazione (produzione simultanea di calore ed elettricità con un unico impianto) può essere un ponte tra questi due domini, ma la gestione di questi impianti è generalmente condotta con l’obiettivo di inseguire il fabbisogno termico o quello elettrico. Dall’altro lato, la progressiva elettrificazione sta spostando il soddisfacimento dei fabbisogni termici su tecnologie che sfruttano l’energia elettrica, come le pompe di calore. Ciò non significa però che si avrà un fabbisogno esclusivamente elettrico, il fabbisogno termico continuerà ad esistere con le sue peculiarità.
In questo contesto, stiamo assistendo ad un cambio di paradigma del sistema energetico, che da una catena lineare sta diventando un sistema circolare in cui i diversi settori energetici sono integrati in reti energetiche interconnesse tramite elementi di conversione tra diversi vettori (calore, freddo, elettricità, gas, etc.) e sistemi di accumulo. Il notevole aumento di complessità di questi sistemi ha fatto sì che le strategie di gestione tradizionali non siano più idonee.
Ad esempio, le reti di distribuzione del calore sono controllate direttamente dagli operatori, che determinano i parametri operativi di rete basandosi su curve climatiche o su strumenti di pianificazione, e implementano correzioni basate sull’esperienza tecnica acquisita. Questi metodi limitano sicuramente la possibilità di raggiungere prestazioni ottimali dal punto di vista energetico o economico, e falliscono nel momento in cui si verificano eventi climatici imprevisti o si vogliano sfruttare al meglio le fonti rinnovabili non programmabili o il calore di scarto da processi.
Per poter risolvere questo problema, è possibile adottare strategie di controllo predittive, come quelle basate sul Model Predictive Control (MPC). Questa è una famiglia di strategie di controllo sviluppate per la prima volta negli anni ‘80 nell’ambito dell’industria chimica, ma che si sta diffondendo anche nel settore energetico. Un controllore MPC utilizza un modello matematico del sistema da controllare per prevederne il comportamento futuro (nel cosiddetto orizzonte di previsione) sulla base del suo stato attuale e della previsione dei disturbi esterni (ad esempio la temperatura esterna, la radiazione solare e l’occupazione nel caso del riscaldamento degli edifici). Basandosi su queste previsioni, un algoritmo di ottimizzazione determina poi la strategia di controllo ottimale per il sistema durante tutto l’orizzonte di previsione, in modo da minimizzare un certo indice di prestazione (costo operativo o consumo di energia). Il primo comando di questa sequenza di controllo ottimale viene effettivamente implementato per la gestione del sistema. Dopo un certo intervallo di tempo le condizioni del sistema stesso vengono misurate, la previsione dei disturbi viene aggiornata e la procedura viene ripetuta per un nuovo orizzonte di previsione spostato in avanti di un intervallo. Ciò significa che la sequenza di controllo ottimale viene periodicamente ricalcolata e implementata tenendo conto delle nuove informazioni che nel frattempo sono giunte dal sistema reale, e consente di affrontare in maniera ottimizzata sia le variazioni rispetto a quanto previsto dal modello che gli eventuali problemi sorti.
I controllori MPC si prestano a numerose applicazioni nel settore del riscaldamento degli ambienti, dalla gestione delle unità di trattamento aria alle vere e proprie reti di teleriscaldamento e ai sistemi integrati. I primi controllori innovativi sono già disponibili in commercio. Siemens ha commercializzato nella sua piattaforma Desigo uno strumento per il controllo automatico del riscaldamento di stanze, zone o sezioni di un edificio. L’azienda svedese NODA Intelligent Systems propone invece un set di strumenti, alcuni dei quali basati sull’intelligenza artificiale, per l’ottimizzazione dinamica in tempo reale di reti di teleriscaldamento anche di scala cittadina.
Tuttavia, la ricerca continua per far sì che tali soluzioni di digitalizzazione di reti energetiche diventino sempre più diffuse ed efficienti. Negli ultimi anni, il programma quadro dell’Unione Europea Horizon 2020 ha finanziato quattro progetti di ricerca che hanno come tema il controllo predittivo di sistemi energetici. Nello specifico, i progetti TOPAs, OPTi e INDIGO hanno proposto soluzioni MPC rispettivamente per zone di edifici, reti di teleriscaldamento e reti di teleraffrescamento. Il progetto hybdridGEOTABS, invece, ha studiato l’integrazione tra pompe di calore geotermiche ed edifici e il relativo sistema di controllo.
Anche in Italia si sta lavorando in questa direzione. Tramite la collaborazione tra l’Università di Parma e l’azienda Siram Veolia, controllori innovativi basati su MPC sono stati sviluppati e testati su dei casi studio reali. La prima applicazione è la rete di distribuzione del calore del complesso scolastico di Podenzano (PC), dove è stato ottenuto un risparmio medio di energia primaria del 13 % rispetto alla gestione tradizionale. Successivamente, l’implementazione del controllore in un ramo della rete di teleriscaldamento del Campus dell’Università di Parma ha portato alla riduzione dei consumi del 34 %. La collaborazione è poi culminata nel progetto di ricerca internazionale DISTRHEAT, che si propone di estendere questo metodo innovativo a reti integrate con diversi vettori energetici. La sperimentazione sulla centrale termica dell’Ospedale di Cona (FE) è attualmente in corso e i primi risultati sono attesi per la fine del 2022.
di Mirko Morini e Costanza Saletti – Università di Parma
