L’Ia SCONFIGGE l’intermittenza delle rinnovabili. Edifici green al 40%

E’ una delle critiche più comuni avanzate dai sostenitori del mix energetico: le rinnovabili vanno bene, sì, ma non sono disponibili tutto il giorno e quindi vanno affiancare da altre fonti. Leggi gas liquefatto e nucleare. Ma dall’intelligenza artificiale, sostiene un rapporto presentato ieri dal Politecnico di Milano e Mce (Mostra Convegno Expocomfort), può arrivare la soluzione contro il peccato d’intermittenza di eolico e fotovoltaico.

Le applicazioni dell’Ia nel settore energetico sono molteplici. Almeno dieci e per tutte le fasi della filiera. Nella produzione, ad esempio, ci sono la Generation Forecast e il Generator Design Optimization; per il trasporto e la distribuzione la Grid Stability; per il consumo, invece, si parla di Energy Assessment, Demand Response e Consumption Forecast. Infine, nei mercati, la Bidding Strategy per ottimizzare l’offerta. Ma, dice il rapporto del PoliMi, non per forza questi usi sono riconducibili alla transizione verde: la manutenzione predittiva può essere implementata anche in centrali termoelettriche.

Tutte le applicazioni dell’Ia per risparmiare energia e migliorare l’impatto delle rinnovabili

In ogni caso, l’obiettivo principale di queste applicazioni è combattere l’intermittenza. Osservandole più da vicino, abbiamo quindi a che fare con la Generation Forecast che fornisce una
previsione accurata delle fluttuazioni, permettendo una migliore pianificazione e gestione delle risorse. Poi c’è la Demand Response, con cui si tenta di armonizzare il profilo di consumo con l’andamento intermittente della produzione da Fer. Infine, le applicazioni di Grid Stability offrono alla rete la capacità di rispondere efficacemente alle fluttuazioni improvvise, garantendo la stabilità operativa anche in condizioni di variazione non previste. Queste tre prospettive integrate tra loro, scrive il report, costituiscono un approccio strategico per affrontare i problemi derivanti
dall’intermittenza e per accelerare l’adozione delle Fer in modo sostenibile ed efficace.

Quanto all’energy assessment, tra le sue applicazioni energetiche possiamo trovare il Building Energy Management System (Bems), ovvero una piattaforma software che monitora e controlla i sistemi energetici di un edificio, come Hvac (Heating, Ventilation, and Air Conditioning), illuminazione, riscaldamento e impianti elettrici. Integrando il Bems con sensori Iot, intelligenza artificiale, machine learning, è possibile raccogliere dati in tempo reale, analizzare i consumi e ottimizzare il funzionamento degli impianti per migliorarne l’efficienza. Insomma, generare risparmi considerevoli.

Secondo le stime del PoliMi, nel residenziale si parla di un tasso di controllo e ottimizzazione del 20-25%, più alto del 10-15% delle strutture commerciali e del 15-25% delle scuole. In testa, invece, troviamo gli uffici che potrebbero beneficiare fino al 35-40% di risparmi energetici. Sulla rilevazione di presenza, invece, Bems e Ia garantirebbero il 30-35% di risparmi nel residenziale e il 5-10% negli uffici.

Il futuro prossimo dell’Ia nel settore green nel mondo e in Italia

Importanti sono anche le stime sui prossimi livelli di investimento in questi sistemi di efficientamento energetico innovativo: secondo il rapporto, infatti, a livello globale  i Bems hanno attratto oltre 5 miliardi di euro in investimenti nel 2024. A partire da quest’anno, poi, si prevede una crescita annuale composta (Cagr) del 7,9%, che porterà a sfiorare gli 8 miliardi di euro entro il 2030. Il 25% è legato a investimenti nei software di gestione, poiché i consumatori sono sempre più orientati a soluzioni in grado di ottimizzare i consumi energetici e ridurre le spese.

Guardando all’Italia, su quindicimila aziende che sviluppano software ce ne sono 489 attive nello sviluppo di servizi per il comparto Data e Ia. E di queste, 97 operano nel settore energetico. Secondo l’analisi del PoliMi per Mce, nonostante l’adozione dell’intelligenza artificiale nel comparto energetico sia ancora limitata rispetto ad altri settori (come quello bancario, healthcare e manufatturiero), vi è un gran numero di aziende che offrono servizi per il settore energetico stesso, che rappresenta un’area in crescita con potenziali opportunità di sviluppo.

Come efficientare l’operato dei data center con l’intelligenza artificiale

Infine, nel focus sui data center il rapporto spiega che sono almeno quattro gli ambiti di applicazione di soluzioni Ia per efficientarne e decarbonizzarne l’operato.

 

 

I consumi energetici relativi all’infrastruttura It rappresentano circa i due terzi dei consumi energetici complessivi e, dice il rapporto, di conseguenza sono la componente di
gran lunga più significativa in questo senso. Questo è ancor più vero per Data Center di nuova generazione, in cui il Pue (Power usage effectiveness) è ancora più basso. Di qui, le azioni di efficientamento: il consolidamento e la virtualizzazione dei server per ridurre il numero di macchine fisiche; adozione di server ad alta efficienza energetica, l’ottimizzazione del carico di lavoro e la disattivazione automatica delle risorse inutilizzate o in sospeso.

Secondo le stime del Politecnico, nei prossimi anni si prevede una forte crescita nel numero dei data center, che coinvolgerà anche l’Italia. Entro il 2026, nel nostro Paese potrnno venire impiegati tra i 766 e i 913 MW di potenza nominale totale per alimentare i data center, una crescita compresa tra il 50% e il 75% rispetto alla potenza attuale (513 MW). Di qui, quattro scenari verso il nuovo decennio.

In caso di consumi elevati, ad esempio, con un tasso di efficienza energetica Pue pari a 1,5 avremo un range di consumi (prevalentemente legati all’infrastruttura It) di 9,8-12 TWh all’anno. Nel caso di consumi ridotti e un livello Pue di 1,2 si stimano invece consumi energetici compresi tra 3,9 e 4,8 terawattora all’anno.