ENEA porta avanti uno studio per migliorare le previsioni sulla produzione fotovoltaica grazie all’Intelligenza Artificiale.
Un gruppo di ricercatori ENEA ha sviluppato una nuova metodologia che utilizza l’intelligenza artificiale (AI) per migliorare le previsioni sulla produzione fotovoltaica. Grazie all’integrazione di modelli meteorologici e algoritmi di machine learning, è stato possibile aumentare l’accuratezza delle previsioni, ottimizzando la gestione della rete elettrica e riducendo i costi operativi. Questo approccio, che si adatta a impianti di diverse dimensioni, è particolarmente utile anche per le installazioni di piccole dimensioni, come quelle nei condomini.
Il progetto MISSION: una visione per il futuro
Il progetto fa parte di un’iniziativa più ampia, il progetto MISSION, che mira a migliorare l’efficienza dei sistemi energetici integrati e accelerare la transizione verso un futuro energetico più sostenibile. Maria Valenti, responsabile del Laboratorio ENEA Smart Grid e Reti Energetiche e referente del progetto MISSION, ha spiegato: “Il progetto si propone di migliorare la gestione delle microreti energetiche, un modello promettente per la trasformazione del sistema elettrico, accelerando la transizione verso un futuro energetico più sostenibile”.
Il coautore dello studio Amedeo Buonanno, ricercatore del Laboratorio ENEA Smart Grid e Reti Energetiche, ha dichiarato: “Abbiamo dimostrato l’efficacia del nostro approccio utilizzando i dati reali di produzione di un impianto fotovoltaico situato presso il Centro Ricerche ENEA di Portici (Napoli), ottenendo un netto miglioramento nella precisione delle previsioni di produzione fotovoltaica.” Questo risultato è fondamentale per migliorare la gestione delle risorse energetiche, ottimizzare il funzionamento della rete e ridurre i costi operativi, specialmente per quanto riguarda l’integrazione delle energie rinnovabili.
L’integrazione di dati storici per una previsione più precisa
La metodologia sviluppata da ENEA abbina i modelli meteorologici che stimano la produzione solare con un algoritmo di machine learning che integra i dati storici di produzione. Questo processo permette di incrementare l’accuratezza delle previsioni. Un aspetto particolarmente vantaggioso di questa nuova tecnica è la sua versatilità, che consente di adattarla a una varietà di scenari, anche in situazioni con una limitata disponibilità di dati, come nel caso di nuovi impianti fotovoltaici.
Applicazione pratica anche per impianti di piccole dimensioni
Buonanno ha sottolineato l’adattabilità dell’approccio proposto: “Si adatta efficacemente a impianti solari di diverse dimensioni, anche quelli di piccole dimensioni installati nei condomini”. Per questi impianti, è possibile sviluppare un modello di previsione iniziale basato su caratteristiche tecniche come la potenza nominale e l’orientamento dei pannelli. Successivamente, il modello può essere migliorato utilizzando dati storici e tecniche di machine learning. I modelli più efficienti, una volta addestrati, richiedono risorse computazionali relativamente limitate, facilitando la loro implementazione anche su larga scala.
L’importanza della previsione nella gestione della rete elettrica
L’adozione di questa metodologia può avere un impatto significativo sulla gestione della rete elettrica. La previsione precisa della produzione fotovoltaica è essenziale per limitare gli squilibri nella rete e per ottimizzare l’uso delle risorse di generazione, carico e stoccaggio. A livello nazionale, l’Italia ha fatto grandi progressi nel settore delle energie rinnovabili, con una capacità installata di impianti fotovoltaici che ha superato i 30 GW nel 2023, segnando un incremento del 21% rispetto all’anno precedente.
Per sapere di più sul progetto Mission Innovation clicca qui.
