Di come l’intelligenza artificiale possa influire sulla decarbonizzazione di molte attività si parla da tempo e le linee di pensiero prevalenti sono due: da una parte chi sostiene l’enorme potenzialità dell’IA nel gestire al meglio le diverse fonti energetiche riducendo gli sprechi, dall’altra chi pone l’accento sugli alti consumi energetici di queste stesse tecnologie.
Il Digitalization & Decarbonization Report 2024 realizzato dall’Energy&Strategy della School of Management del Politecnico di Milano ha cercato di evidenziare le potenzialità di un rapporto diretto tra intelligenza artificiale e decarbonizzazione in termini di possibilità di trasformazione. Più in generale, il digitale può contribuire alla riduzione delle emissioni a livello europeo sia con un’azione diretta, stimata in un contributo del 18%, sia con un risultato indiretto, pari al 35%. In effetti, nell’insieme al digitale è affidata la riduzione di più del 50% delle emissioni. Una missione che, però, deve essere svolta pensando innanzitutto alla sostenibilità in sé di queste tecnologie. Altrimenti si corre il rischio di avere strumenti eccellenti nel ridurre le emissioni di alcuni settori, ma estremamente energivori, con l’energia che serve per alimentarli prodotta ancora in larga parte da fonti inquinanti.
Che cosa può fare l’intelligenza artificiale per la decarbonizzazione
Per una decarbonizzazione vera ed efficace le fonti energetiche rinnovabili sono indispensabili. Attualmente, una delle principali problematiche di queste fonti è la loro intermittenza: gli elementi naturali, che siano sole, vento o acqua, non obbediscono al volere dell’essere umano. E qui l’IA può entrare in scena creando le condizioni ottimali per una corretta integrazione nei sistemi energetici, che va dalla gestione delle rinnovabili alla produzione energetica in generale, al trasporto e alla distribuzione, fino all’analisi e alla capacità di indirizzare il consumo finale.
Per quanto riguarda, per esempio, la decarbonizzazione del settore energetico l’IA può contribuire sia in termini di ottimizzazione delle risorse sia in termini di miglioramento delle performance degli asset, come nel caso della manutenzione predittiva per le centrali termoelettriche.
Tre azioni strategiche per l’uso dell’intelligenza artificiale nella decarbonizzazione
Il Digitalization & Decarbonization Report 2024 individua tre grandi azioni strategiche basate sull’intelligenza artificiale che possono contribuire a migliorare i temi legati alla natura intermittente delle energie rinnovabili: Generation Forecast, Grid Stability e Demand Response.
Per Generation Forecast si intendono le azioni di miglioramento delle previsioni della generazione rinnovabile. Nel settore dell’eolico e del fotovoltaico, per esempio, l’IA è in grado di distinguere tra eventi strutturali ed eventi contingenti, come possono essere le giornate insolitamente soleggiate o ventose. Una caratteristica che permette di migliorare la precisione delle previsioni relative alla generazione di energie rinnovabili. Benefici che sono stimati in miglioramenti dell’ordine del 30% che si diffondono poi in tutto il sistema energetico.
Per Grid Stability si intende, invece, la capacità di potenziare la performance della rete elettrica per metterla nella condizione di gestire meglio gli sbilanciamenti. Vengono prese in considerazione, in questo caso, le questioni relative alla gestione delle tante variabili legate a fenomeni eterogenei. In tal senso i modelli non lineari di IA offrono buone performance perché sono in grado di catturare relazioni più complesse e flessibili rispetto ai modelli lineari. In questo modo riescono a gestire efficacemente fenomeni di small-signal stability e di voltage stability, quando cioè si verificano disturbi lievi del segnale o variazioni nella tensione.
Infine, con Demand Response ci si riferisce a quegli interventi che, grazie ad appositi meccanismi, permettono di adattare il profilo di consumo a quello di produzione. In questo caso il report del Politecnico evidenzia come gli algoritmi esaminati possano supportare in modo positivo le richieste legate allo scheduling dei carichi, sia a livello individuale che aggregato, così come anche la definizione di schemi ottimali di incentivi o prezzi.
