Negli ultimi anni è aumentato l’interesse per la sicurezza, l’affidabilità e la resilienza delle infrastrutture critiche, in particolare della rete di distribuzione dell’energia elettrica, dove l’interruzione di un componente può determinare notevoli criticità sull’intero sistema. Una ricerca portata avanti dall’ENEA, insieme a Politecnico di Bari e Università di Roma Tre, ha utilizzato l’intelligenza artificiale per eliminare il problema dei blackout generati dalle ondate di calore.
L’intelligenza artificiale per limitare i guasti dei sistemi elettrici
Le infrastrutture di distribuzione dell’energia sono sistemi particolarmente vulnerabili in quanto esposti, soprattutto nelle grandi aree urbane, a disastri naturali e a eventi meteorologici estremi, come le ondate di calore tipiche della stagione estiva. I black out dei sistemi elettrici sono eventi destinati ad aumentare con il riscaldamento globale, ma che potrebbero essere facilmente evitati conoscendone le cause. Uno studio condotto dall’ ENEA, con il Politecnico di Bari e l’Università Roma Tre, i cui risultati sono stati pubblicati sulla rivista scientifica IEEE Transactions on Industry Applications, ha utilizzato l’Intelligenza Artificiale per limitare guasti di questo tipo.
La ricerca ENEA
D’estate, in città, la rete è soggetta a maggiori sollecitazioni di carico, dovute al maggiore utilizzo degli impianti di climatizzazione e dunque all’aumento della domanda di energia elettrica. L’Agenzia Nazionale per le nuove tecnologie ha messo a punto un approccio innovativo per prevenire i frequenti blackout dovuti al sovraccarico che danneggia i cavi. Una soluzione che vede ancora una volta protagonista l‘Intelligenza Artificiale e che rientra nel progetto RAFAEL, finanziato dal Ministero dell’Università e della Ricerca. Grazie alle tecniche di machine learning e data analysis testate sulle grandi reti di distribuzione elettrica del Sud Italia, è stato possibile addestrare l’algoritmo e identificare tutte le possibili correlazioni.
Le azioni correttive sulla rete
In una prima fase, il team di ricerca ha aggiornato l’algoritmo con i dati relativi ai guasti intercorsi 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. Lo step successivo è consistito nel testare il sistema così addestrato. 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, sia del fabbisogno energetico.
“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 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”, ha dichiarato Maria Valenti, responsabile del Laboratorio ENEA Smart grid e reti energetiche e coautrice dell’articolo insieme a Mauro Atrigna, Amedeo Buonanno, Raffaele Carli, Graziana Cavone, Paolo Scarabaggio, Mariagrazia Dotoli e Giorgio Graditi.
