Energia

Digitalizzazione e decarbonizzazione: il Report 2024 di E&S Group

Le principali opportunità di decarbonizzazione delle imprese e delle città passano dallo sviluppo dell’AI. Le imprese di oggi sono al centro di una doppia sfida: ridurre l’impatto ambientale e sfruttare il digitale per rimanere competitive. Il Digitalization and Decarbonization Report 2024 di E&S Group del POLIMI analizza come le strategie basate sull’intelligenza artificiale (AI) stiano trasformando il settore energetico aprendo nuove strade per la decarbonizzazione.

La “transizione gemella”, ovvero la transizione verde e quella digitale insieme, deve essere portata avanti in maniera proattiva e integrata, per sbloccarne il potenziale sinergico. Grazie alle tecnologie digitali sarà possibile ridurre del 53% le emissioni complessive nello scenario europeo di neutralità carbonica al 2050, attraverso impatti diretti (18%) e indiretti (35%). E l’intelligenza artificiale (AI) giocherà un ruolo da protagonista, in particolare perché rappresenta uno strumento essenziale per affrontare le sfide legate all’intermittenza dell’energia da fonti rinnovabili e per accelerare la loro integrazione nel sistema energetico, senza dimenticare, tuttavia, la necessità di bilanciare i benefici dell’AI con gli alti consumi.

È quanto mette in evidenza “Digitalization and Decarbonization Report 2024”, alla sua II edizione, redatto da Energy&Strategy della School of Management del Politecnico di Milano e presentato il 30 gennaio 2025, insieme alle aziende partner della ricerca, che analizza come la transizione gemella stia trasformando il settore energetico aprendo nuove strade per la decarbonizzazione.

Già oggi, e ancor più in futuro, le FER rappresentano una quota significativa della generazione elettrica nazionale, apportando importanti benefici ambientali– ha commentato Vittorio Chiesa, Direttore di E&S Group – 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”.

Questo fenomeno rappresenta una sfida significativa per il sistema elettrico, che deve affrontare continui momenti di sbilanciamento, ma non solo – ha aggiunto Federico Frattini, Vicedirettore di E&S e responsabile della ricerca – In prospettiva, una quota crescente di energia rinnovabile sarà destinata alla produzione di idrogeno a zero emissioni, che verrà trasportato e gestito attraverso un’infrastruttura molto simile a quella utilizzata per il gas naturale (in alcuni casi, le due molecole condivideranno persino le stesse reti di trasporto), quindi l’intermittenza delle FER avrà implicazioni anche sul sistema di gas e idrogeno. Le applicazioni analizzate, dunque, trovano un ampio utilizzo anche in questo settore emergente, contribuendo a costruire un ecosistema energetico integrato”.

Negli ultimi cinque anni, l’UE ha adottato un approccio strategico per guidare la transizione digitale attraverso investimenti e regolamentazioni, posizionandosi come leader nella governance digitale globale. Il quadro normativo mira a uniformare il panorama digitale tra gli Stati membri, contribuendo sia agli obiettivi del Decennio Digitale che alla competitività globale. Normative come il Data Act, il Chip Act e l’AI Act sono strumenti fondamentali per creare un ecosistema digitale sostenibile e resiliente. Queste regolamentazioni supportano innovazione, competitività e sicurezza, affrontando sfide come la gestione dei dati, la carenza di semiconduttori e lo sviluppo responsabile dell’AI. La transizione digitale non è solo tecnologica, ma è anche un motore per la sostenibilità. Tecnologie come l’AI possono migliorare l’efficienza energetica e accelerare la transizione verso la neutralità carbonica, rappresentando un’opportunità per innovazione e crescita economica sostenibile.

In questa edizione del Digitalization and Decarbonization Report, l’Osservatorio di E&S si è focalizzato sulle 3 azioni strategiche basate sull’AI che, pur riferite a fasi e tecnologie differenti, impattano sulla gestione della natura intermittente delle fonti energetiche rinnovabili:
migliorare la previsione della generazione rinnovabile attraverso tecnologie avanzate di Generation Forecast;
– potenziare la capacità della rete elettrica di gestire gli sbilanciamenti con soluzioni per la Grid Stability;
adattare il profilo di consumo a quello di produzione mediante l’implementazione di meccanismi di Demand Response.

L’analisi della prima applicazione (Generation Forecast), evidenzia la necessità di distinguere tra tecnologia fotovoltaica ed eolica, predominanti nel panorama delle energie rinnovabili: per entrambe, diversamente da altri, gli algoritmi di ensemble si sono dimostrati particolarmente efficaci perché permettono di distinguere eventi strutturali da quelli contingenti, come giornate insolitamente soleggiate o ventose. In generale, i casi di studio analizzati mostrano che l’AI può migliorare l’accuratezza delle previsioni di generazione degli impianti rinnovabili di oltre il 30%, con benefici significativi per l’intero sistema.

La seconda applicazione (Grid Stability), affronta una sfida complessa caratterizzata da una varietà di fenomeni eterogenei, ciascuno dei quali richiede approcci specifici e interventi mirati. L’analisi ha evidenziato che i fenomeni di small-signal stability e voltage stability possono essere gestiti efficacemente mediante algoritmi di ensemble e modelli non lineari statici. Questi strumenti sono particolarmente adatti a catturare relazioni statiche tra variabili di sistema, offrendo previsioni affidabili in contesti relativamente stabili. Al contrario, i fenomeni di transient stability e frequency stability necessitano di modelli avanzati che incorporino la dimensione temporale. Gli algoritmi sequenziali risultano efficaci per rappresentare l’evoluzione temporale di eventi critici, come oscillazioni o variazioni improvvise nella rete.

Infine, per il contesto della Demand Response, quasi tutti gli algoritmi esaminati hanno dimostrato di poter supportare efficacemente applicazioni, quali lo scheduling dei carichi, sia a livello individuale che aggregato, e la definizione di schemi ottimali di incentivi o prezzi. Tuttavia, le performance e il livello di dettaglio fornito variano significativamente tra i diversi algoritmi, quindi va selezionata la soluzione più adatta.

Esiste un’ampia varietà di soluzioni digitali per la decarbonizzazione che coinvolgono in prima linea i cittadini e le loro scelte e che richiedono lo sviluppo di uno specifico know-how tecnologico in ambito di sistemi IoT e di tecniche per la gestione dell’AI – ha concluso Frattini – I costi e la complessità tecnica possono rappresentare una barriera all’integrazione di questi sistemi, ma con un approccio pragmatico e integrato si possono ottenere risultati soddisfacenti che ci mettano al passo con i target di decarbonizzazione delle politiche comunitarie”.

Articoli simili

Lascia un commento

* Utilizzando questo modulo accetti la memorizzazione e la gestione dei tuoi dati da questo sito web.