Prevenire possibili
blackout elettrici causati da ondate di calore. È questo lo scopo del sistema basato
sull’automazione e l'intelligenza artificiale messo a punto da un gruppo di
ricercatori ENEA, Politecnico di Bari e Università Roma Tre.
“I
cambiamenti climatici hanno determinato un aumento delle ondate di calore, con
una tendenza destinata a peggiorare nei prossimi anni a causa del riscaldamento
globale. L’intensità e la durata di questi fenomeni stanno causando un numero
crescente di guasti alla rete di distribuzione elettrica, soprattutto in ambito
urbano con un conseguente impatto negativo sui costi di manutenzione, sui
servizi e in generale sulla vita delle persone”, evidenzia Maria Valenti, responsabile del Laboratorio ENEA Smart grid e reti
energetiche.
“Risulta importante pertanto individuare nuove soluzioni di monitoraggio e di gestione della rete per la previsione di eventuali guasti, come ad esempio le tecniche di data analysis e di machine learning che utilizziamo nel nostro innovativo approccio”, spiega la ricercatrice.
Le fasi di ricerca
Nella prima
fase il team di ricerca composto anche da Mauro Atrigna, Amedeo Buonanno,
Raffaele Carli, Graziana Cavone, Paolo Scarabaggio, Mariagrazia Dotoli e
Giorgio Graditi, ha ‘addestrato’ l’algoritmo sui 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, con
l’obiettivo di identificare le possibili correlazioni. Nella successiva fase
operativa, i ricercatori hanno provato il sistema così addestrato per l’analisi
di una serie di dati di input (non visti in fase di addestramento). 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 che del fabbisogno energetico.
Sviluppato
nell’ambito del progetto Rafael, finanziato dal Ministero dell’Università e
della Ricerca, questo approccio innovativo basato su tecniche di machine learning
è stato testato su una grande rete di distribuzione elettrica nel Sud Italia e
i risultati sono stati pubblicati sulla rivista scientifica IEEE Transactions
on Industry Applications.
“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. Inoltre dai nostri studi è emerso che la maggior parte dei guasti si è verificato a livello di giunti dei cavi, elementi che soffrono maggiormente le problematiche delle ondate di calore. Questo fornisce un elemento utile agli operatori e ai produttori di componentistica elettronica, che potranno condurre così analisi più mirate per ottenere reti più resilienti”, conclude Valenti.
