L’IA applicata alle FER può aiutare la previsione della generazione rinnovabile, la stabilità della rete e l’ottimizzazione della domanda. Mentre in ambito urbano è un abilitatore di soluzioni per la decarbonizzazione di vasta portata. Ruolo, benefici e criticità dell’espansione dell’intelligenza artificiale nella doppia transizione verde e digitale, secondo il Digitalization & Decarbonization Report 2024 del Politecnico di Milano
L’intelligenza artificiale è un motore strategico per la decarbonizzazione e può accelerare in modo decisivo la doppia transizione, digitale e verde. La digitalizzazione di cui l’IA è una parte importante può ridurre le emissioni del 53% entro il 2050, tra impatti diretti (-18%) e indiretti (35%). Lo sostiene il rapporto Digitalization & Decarbonization Report 2024, redatto dall’Energy&Strategy della School of Management del Politecnico di Milano.
Intelligenza artificiale per la decarbonizzazione: vantaggi per le FER
Nel settore energetico, l’intelligenza artificiale per la decarbonizzazione migliora la previsione della generazione rinnovabile (+30% di accuratezza), garantisce la stabilità della rete e ottimizza i consumi con il Demand Response. Tutte applicazioni a cui il PoliMi dedica 3 approfondimenti specifici:
- Generation Forecast (Previsione della generazione rinnovabile)
- Permette di prevedere con maggiore accuratezza la produzione di energia rinnovabile, ottimizzando la pianificazione e riducendo gli impatti dell’intermittenza.
- Gli algoritmi di ensemble risultano particolarmente efficaci, distinguendo tra eventi strutturali e casuali.
- Si registrano miglioramenti dell’accuratezza delle previsioni di oltre il 30%.
- Grid Stability (Stabilità della rete)
- Monitora e prevede le condizioni della rete elettrica, prevenendo squilibri e garantendo la stabilità del sistema.
- I fenomeni come small-signal stability e voltage stability possono essere gestiti con modelli di ensemble e algoritmi non lineari statici.
- Per transient stability e frequency stability, sono necessari modelli avanzati che incorporano la dimensione temporale (es. algoritmi sequenziali).
- Demand Response (Ottimizzazione della domanda energetica)
- Adatta i consumi energetici industriali e residenziali alle condizioni di rete o ai segnali di prezzo.
- Gli algoritmi IA supportano lo scheduling dei carichi e la definizione di schemi di incentivazione.
“Già oggi, e ancor più in futuro, le Fer rappresentano una quota significativa della generazione elettrica nazionale, apportando importanti benefici ambientali – commenta Vittorio Chiesa, direttore di E&S -. Tuttavia, la loro natura non programmabile, dipendente dalle condizioni atmosferiche così come dai fabbisogni di famiglie e imprese, genera frequenti squilibri tra produzione e consumo”.
In ambito urbano, favorisce lo sviluppo dei Positive Energy Districts (PED). Tuttavia, richiede investimenti e regolamentazione per mitigare i suoi costi energetici elevati (un modello LLM – Large Language Model – come ChatGPT consuma fino a 2,9 GWh/mese).
IA e Distretti a energia positiva (PED)
Altro approfondimento che arricchisce il rapporto del PoliMi è quello sull’intreccio tra intelligenza artificiale e i Positive Energy Districts, i distretti a energia positiva (PED). Di cosa si tratta? Di distretti urbani efficienti dal punto di vista energetico, con zero emissioni di CO2, capaci di autoprodurre e gestire attivamente l’energia rinnovabile.
Il progetto di realizzare 100 PED in Europa risale al 2018 ed è a buon punto, dimostrando il potenziale per la decarbonizzazione dei sistemi urbani e l’accelerazione sul fronte smart city. Ma l’Italia è in ritardo.
Il rapporto passa al vaglio diverse tecnologie e applicazioni dell’IA in ambito urbano, tutte funzionali all’istituzione di PED, analizzandone vantaggi e benefici.
Alcune delle principali applicazioni dell’AI includono:
| Tecnologia | Vantaggi | Criticità |
| Guida autonoma per la raccolta rifiuti | Riduce i tempi di raccolta, risponde rapidamente a variazioni nei volumi di rifiuti | Costi elevati, necessità di personale tecnico specializzato |
| Illuminazione LED connessa | Alta efficienza energetica, regolazione automatica dell’intensità luminosa | Costi iniziali elevati, cyber-sicurezza |
| Espansione Wi-Fi pubblico | Connessione Internet accessibile per tutti | Problemi di copertura e sicurezza dei dati |
| Gestione dati tra edifici | Monitoraggio in tempo reale dei consumi energetici | Configurazione complessa, rischi di compatibilità e sicurezza |
| Raccolta e riutilizzo acque piovane | Minore domanda di acqua potabile, riduzione del rischio di inondazioni | Limitazioni stagionali, costi di manutenzione |
