Le utility hanno di fronte a sé sfide epocali, dalla transizione green a quella che deriva dall’indipendenza energetica. Ma sanno che l’IA, soprattutto nella sua versione generativa, è uno strumento cruciale perché la grande trasformazione in atto sia sostenibile anche sul fronte economico. E stanno sperimentando: così Italgas ha già dato vita alla prima rete mondiale del gas interamente digitalizzata grazie agli smart meters, sensori che consentono di fare manutenzione predittiva e di gestire la risorsa nel modo più efficiente possibile; Edison ha invece dato vita al Datalab, ovvero un centro di competenza interno specializzato in data science e IA che, sia in autonomia che in collaborazione con startup innovative, centri di ricerca e aziende tech, sviluppa soluzioni “data-driven” a supporto di tutte le aree aziendali e in particolar modo per la digitalizzazione degli asset. Cva, la compagnia valdostana acque usa l’IA per monitorare lo stato di salute delle sue 22 centrali idroelettriche ma anche per analizzare il comportamento dinamico delle vibrazioni, ed esaminare i singoli valori dei dati rilevanti come la temperatura, la pressione o il flusso. Attraverso la collaborazione con Google Cloud, il gruppo Hitachi Energy ha siglato un accordo strategico per collaborare e co-creare prodotti e servizi software in cloud per supportare la transizione energetica globale, anche in questo caso basati sulle tecnologie smart. E Snam dal 2018 ha un programma di innovazione industriale applicata con cui Snam dal 2018 sta costruendo l’azienda energetica di domani (Tomorrow’s Energy Company), attraverso l’utilizzo di tecnologie come sensoristica, telediagnostica, Internet of Things, intelligenza artificiale, realtà aumentata e virtuale, droni e satelliti. Di come sta cambiando dall’interno delle utility il mondo energy grazie all’intelligenza artificiale, hanno parlato i vertici delle aziende citate nel corso del XXIV Workshop annuale dell’Osservatorio Utilities Agici-Accenture, dal titolo Le utilities nell’era della Generative AI: ottimizzazione, competitività e gestione degli asset (ne abbiamo parlato qui) da cui sono tratti gli interventi di questo articolo.
L’IA, nella sua versione generativa, è una grande opportunità che i leader del mercato energetico stanno esplorando, ma il cui potenziale è ancora di là da esprimersi. Questa tecnologia sarà la chiave per riuscire a rendere le rinnovabili predominanti nel mix energetico, perché darà un contributo centrale nel modificare le infrastrutture critiche, che devono essere in grado di immagazzinare energia discontinua e farla arrivare in forma continua dove e quando serve. Una rete intelligente ha un potenziale enorme: vale per l’energia, ma anche per gas e acqua, dove è necessario ridurre le perdite e ottimizzare la manutenzione stravolgendo il paradigma in un business tradizionale. E cambiano anche le logiche di gestione del cliente finale, grazie all’analisi rapidissima e intelligente di una mole di dati enorme e alla possibilità che deriva di fare campagne di marketing personalizzate al limite del singolo individuo a cui sarà possibile servizi di alta gamma a costi ridotti. Il lavoro che però va fatto oggi riguarda due aspetti: la cultura e dunque le competenze delle persone e l’affinamento dei dati che saranno la base su cui l’IA esprimerà il suo potenziale. Vediamo come stanno agendo le industrie italiane dell’energia.
Peruzzi (Edison): la società energetica più antica d’Europa fa ampio uso di machine learning e IA per gestire la produzione da fonte rinnovabile e la manutenzione degli impianti
Edison, attiva nei settori dell’approvvigionamento, produzione e vendita di energia elettrica e gas, ha fatto del machine learning un cardine del suo percorso di transizione energetica, investendo in maniera strategica sull’utilizzo dell’IA, valutandola uno strumento che sempre più diventerà un fattore competitivo per le aziende del settore. «Siamo sul mercato da 140 anni, la più antica società energetica del Continente e da sempre l’evoluzione tecnologica è con noi, come un elemento distintivo che avanza a salti e passaggi – dice Marco Peruzzi, vice presidente esecutivo di Edison – Non è questo il tema né la novità dell’IA a nostro avviso».
Edison nasce con l’illuminazione pubblica, introdotta in Europa 140 anni fa. «Qui siamo in una situazione analoga, anzi, forse più distorsiva. Stiamo parlando di una tecnologia simile all’introduzione dei personal computers, che inizialmente veniva usati per replicare la funzioni delle macchine da scrivere perché non sapevamo cosa fare di diverso – dice Peruzzi – Mi piace fare un confronto con ciò che le aziende fanno di più nell’ambito del machine learning rispetto all’intelligenza artificiale generativa. Noi utilizziamo sistemi che gestiscono enormi quantità di dati per migliorare le prestazioni. Faccio degli esempi: abbiamo più di 700 sensori che misurano tutto per tracciare la produzione. Rileviamo tutti i dati per evidenziare anomalie che altrimenti non emergerebbero, per eseguire una manutenzione predittiva. Questi sono sistemi che ormai consideriamo consolidati e che stiamo continuamente migliorando. Poi, improvvisamente, arriva questa nuova parola: intelligenza generativa, capace di creare qualcosa di nuovo. Questa è la sfida: capire cosa può fare effettivamente di diverso che non sia una replica dei modelli esistenti. È importante vedere come più aziende sperimentano cose diverse e imparano da altri settori, quindi anche qui, le partnership sono cruciali».
Con questa vision Edison ha costruito il Datalab, ovvero un centro di competenza interno specializzato in data science e IA che, sia in autonomia che in collaborazione con startup innovative, centri di ricerca e aziende tech, sviluppa soluzioni “data-driven” a supporto di tutte le aree aziendali e in particolar modo per la digitalizzazione degli asset.
Il panorama in rapida evoluzione richiede una altrettanto rapida capacità di sviluppo e una gestione flessibile dei propri asset di produzione. Per far fronte a questo scenario la società sta investendo molto sulla realizzazione di strumenti di analisi dati avanzata e sullo sviluppo di modelli di IA a supporto delle operations e delle attività di manutenzione. Per la gestione degli impianti, la società fa largo uso dei dati storici di funzionamento: per esempio usandoli per l’attività di previsione della produzione degli impianti eolici e fotovoltaici che consente da una parte una migliore gestione sul mercato dell’energia prodotta e dall’altra una razionalizzazione degli interventi in campo, anche dal punto di vista della sicurezza. Modelli matematici e di machine learning sono stati inoltre sviluppati con l’obiettivo di ottimizzare il funzionamento degli asset di grandi poli industriali, come ad esempio compressori e cogeneratori, in maniera da massimizzarne l’efficienza energetica senza penalizzare la qualità dei servizi erogati. Sono poi in crescente sviluppo diverse progettualità relative alla manutenzione predittiva degli impianti, sia termoelettrici che a fonte rinnovabile. L’obiettivo di questi progetti è affiancare l’IA e il machine learning a tecniche più tradizionali (es: analisi oli, ispezioni visive) con lo scopo di intercettare con anticipo eventuali anomalie di funzionamento e riducendo così l’impatto degli interventi manutentivi in termini di entità e di fermi-impianto.
Villa (Hitachi Energy Italia): Per ottenere il massimo da un co-pilot basato su IA ci vuole innanzitutto un cambiamento culturale che investa persone e aziende
«L’aspetto culturale riveste un ruolo fondamentale nelle trasformazioni aziendali», dice Flavio Villa, country managing director di Hitachi Energy Italia. «E in questo caso la trasformazione è radicale e comporta una rivoluzione copernicana: bisogna intervenire sul sistema valoriale delle persone come primo step». Questo aspetto è particolarmente rilevante quando si parla di co-pilot, ovvero della tecnologia come assistente che affianca il lavoratore umano, ma anche come bot che risponde alle richieste dei clienti. «L’assistenza fornita dall’intelligenza artificiale, che suggerisce interventi ai lavoratori, è paragonabile ad avere una guida a fianco – dice Villa – Questo solleva una naturale resistenza culturale, per i lavoratori ma anche per i clienti che per i lavoratori. Alcuni clienti preferiscono l’interazione umana, soprattutto quelli nelle fasce di età più elevate, mentre i più giovani accettano l’IA con maggior naturalezza, perché è un primo aiuto immediato. Questa resistenza la osserviamo anche in produzione tra i lavoratori: in generale il passaggio da fare oggi è trasformare nella percezione dei lavoratori l’intelligenza artificiale in un sistema che semplificherà la loro vita quotidiana e aiuterà la sicurezza e non come un sistema di controllo o di indirizzo».
Hitachi Energy serve clienti nei settori delle utenze pubbliche, dell’industria e delle infrastrutture con soluzioni e servizi innovativi, che abilitano la trasformazione digitale necessaria per accelerare la transizione energetica verso un futuro a zero emissioni. Con sede in Svizzera e installazioni in 140 paesi, la società impiega circa 40.000 dipendenti in 90 Paesi e genera un volume di affari pari a circa 10 miliardi di dollari. È meno utility e più abilitatore tecnologico per le utility. Dal punto di vista di questa industria, quali sono gli usi potenziali dell’IA generativa nel settore? «Passiamo dall’analisi focalizzata di un particolare segmento di mercato all’iper-tailorizzazione del servizio. Nell’ambito amministrativo, stiamo esplorando il potenziale dell’intelligenza artificiale nel cambiare i processi. Riceviamo migliaia di richieste di pagamento all’anno e un sistema in grado di leggere e comprendere le email potrebbe migliorare notevolmente l’efficienza, oltre a valorizzare la conoscenza dei diversi territori per poi portare a campagne di marketing mirate e a un miglior servizio per ogni cliente». Al momento Hitachi è in una fase esplorativa sulla GenAI: «Immaginiamo di voler lanciare una campagna pubblicitaria per i commercialisti di una certa città, focalizzata sull’energia fotovoltaica. All’improvviso, con l’IA generativa mi viene presentata una proposta ricca di immagini e filmati, generata dal sistema in tempo quasi reale. Questo strumento supera di gran lunga la nostra attuale capacità di utilizzarlo al meglio. Stiamo sperimentando e approfondendo il suo impiego, cercando di renderlo una prassi comune per tutti i dipendenti dell’azienda: il rischio che va evitato è che venga usato in autonomia. E questo già avviene: il 50% dei nostri addetti già utilizza questi strumenti senza che noi sappiamo come. Questo crea una mancanza di verifica delle fonti, un aspetto basilare e fondamentale che se non viene effettuato genera errori e bias», dice Villa.
Velocity Suite Power Prices, un’applicazione basata su Api che offre ai clienti globali un facile accesso alle informazioni sul mercato energetico nordamericano. L’applicazione informa, guida e accelera la pianificazione e l’analisi dei ricavi per progetti di trasformazione della rete e delle energie rinnovabili.
Quanto a cosa ha già realizzato con Ia Hitachi Energy, segnaliamo che a livello globale, il gruppo ha siglato con Google Cloud un accordo strategico per collaborare e co-creare prodotti e servizi software in cloud per supportare la transizione energetica globale. La prima dimostrazione del valore di questa partnership è Velocity Suite Power Prices, un’applicazione basata su Api che offre ai clienti globali un facile accesso alle informazioni sul mercato energetico nordamericano. L’applicazione informa, guida e accelera la pianificazione e l’analisi dei ricavi per progetti di trasformazione della rete e delle energie rinnovabili. Gli sviluppatori, gli operatori delle rinnovabili e dei sistemi di accumulo a batteria (Bess), nonché gli operatori delle energie tradizionali, i trader e gli operatori del mercato dell’energia possono utilizzare i dati di Velocity Suite Power Prices per prendere decisioni migliori e più rapide su progetti e investimenti energetici in Nord America. La collaborazione combinerà le soluzioni di Energy Portfolio Management (Epm) di Hitachi Energy con le capacità di data analytics, i servizi di intelligenza artificiale (AI)/machine learning (ML) e l’infrastruttura scalabile e sicura di Google Cloud, per sviluppare e distribuire soluzioni innovative destinate alle aziende elettriche e ai produttori di energia rinnovabile.
Venier (Snam): bisogna lavorare sulla qualità dei dati perché si possano estrarre modelli che aiutano nella gestione e nella manutenzione delle infrastrutture. E bisogna correre dietro alla tecnologia che evolve: try fast e fail cheap
L’IA generativa ha un potenziale trasformativo nella gestione delle infrastrutture, che nella fase storica della transizione green sono una risorsa chiave. «La stima è che per ogni euro che mettiamo nelle energie rinnovabili ci vuole un investimento simile in infrastrutture: se dobbiamo spendere un euro per la produzione più un euro per le infrastrutture quel bene fondamentale che è l’energia inizia ad avere un costo meno sostenibile», dice Stefano Venier, amministratore delegato di Snam, una società di infrastrutture energetiche con sede centrale a San Donato Milanese attiva nel trasporto, nello stoccaggio e rigassificazione del metano, con ricavi di quasi 4 miliardi di euro.
«L’obiettivo finale della decarbonizzazione è avere energia in quantità sufficiente a un costo competitivo, altrimenti viene meno la terza gamba del trilemma energetico, l’affordability: persone e imprese devono continuare a poter usare energia. Pertanto, ci vuole l’ottimizzazione sulle soluzioni infrastrutturali anche in una logica intersettoriale, mixando la fonte elettrica con il gas, per esempio. Ma anche l’ottimizzazione della produzione anche ai fini di autoconsumo. Tutto questo è abilitato dal machine learning».
E allora serve davvero l’IA generativa? Snam ci crede al punto da averla posta come prossimo step di SnamTec, il programma di innovazione industriale applicata con cui dal 2018 sta costruendo l’azienda energetica di domani (Tomorrow’s Energy Company). Attraverso l’utilizzo di tecnologie come sensoristica, telediagnostica, Internet of Things, intelligenza artificiale, realtà aumentata e virtuale, droni e satelliti, il programma permette alle persone del gruppo di prendere decisioni in modo ancora più sicuro, sostenibile ed efficiente grazie ad analisi dei dati e previsione del rischio. Tutto questo consente di perseguire quattro fondamentali obiettivi: sicurezza delle persone, continuità di un servizio irrinunciabile, salvaguardia di infrastrutture strategiche per il Paese e dell’ambiente in cui esse si trovano e, infine, ottimizzazione dei processi, funzionale alla competitività complessiva delle forniture energetiche.
SnamTec si avvale di propri programmi di open innovation, collaborando con il mondo delle start-up e stringendo patnership di valore con atenei di eccellenza come i Politecnici di Milano e Torino. Dal 2018 al 2026 verrà investito oltre 1 miliardo di euro: a oggi sono più di 50 i progetti attivi con 150 persone coinvolte e il piano strategico 2022-2026 prevede 450 milioni di euro di investimenti in SnamTec.
E quanto all’IA generativa, Venier ammonisce: «Non c’è nulla di fantascientifico: siamo noi che poniamo le domande e siamo noi che addestriamo questa intelligenza. Il tema di trasportare l’energia nel tempo e nello spazio è la chiave: nel tempo perché la produco quando non c’è consumo e nello spazio perché la produco dove c’era la risorsa naturale e non dove c’è il consumo. È possibile che questa intelligenza artificiale ci possa aiutare a trovare la soluzione per questo dilemma chiave della decarbonizzazione, ci stiamo lavorando».
Insomma, i diversi modelli di IA si stratificano: non è che uno sostituisca l’altro, il modello generativo a quello tradizionale, ma si appoggiano uno sull’altro e trovano applicazioni diverse. Quello che però va migliorato per poter effettivamente sfruttare a pieno l’IA generativa sono i dati. «I dati sono diventati un patrimonio abnorme: il salto dimensionale è stato drammatico, da una risorsa scarsa siamo passati a una situazione in cui raccogliamo enormi quantità di dati. Questo patrimonio è ancora però di natura tecnica». Per dare un’idea della quantità di dati disponibili, «solo noi raccogliamo un miliardo e 200 milioni di segnali al giorno per singola macchina e ne abbiamo 53 – dice Venier – vuol dire oltre 60 miliardi di dati al giorno: si fa fatica a generare valore, ovvero a trasformare i dati in informazioni». E dunque risulta difficile generare, interpretare e modellizzare sistemi che arricchiscano il digital twin: «Questo percorso è ancora in fase di sviluppo – dice Venier – quello che ci è chiaro è che i dati stanno diventando un elemento fondamentale per la creazione di ricchezza. Perché con i dati possiamo fare manutenzione predittiva e prevenire ogni piccolo guasto a una macchina che può comportare perdite milionarie». Allora da dove si parte? Da un cambiamento culturale. «L’essere umano ha un percorso evolutivo anche nelle sue competenze e quindi bisogna accompagnarlo – dice Venier – Non solo è fondamentale comprendere le potenzialità di queste nuove tecnologie, ma anche imparare come utilizzarle in modo etico e responsabile. La governance del dato e le modalità di utilizzo degli strumenti di IA sono diventate sempre più importanti»
Snam è partita da qui: «Abbiamo sviluppato una policy per guidare i nostri dipendenti nell’utilizzo responsabile degli strumenti di intelligenza artificiale per non mettere a rischio i dati dell’azienda e anche i dati personali. Questo è un elemento cruciale nel nostro percorso educativo, in quanto vi è il rischio che le cose possano sfuggire di mano. Cerchiamo di sviluppare una serie di modelli di gestione sul come incorporare queste competenze nuove dentro l’ecosistema dell’azienda». Snam ha impostato una logica dual track con cui approccia l’innovazione: distinguendo nettamente quella che è l’innovazione spinta da quella che è l’adozione di strumenti già esistenti che vengono adattati. «È un percorso fatto di tentativi: try fast e fail cheap e i poc servono a questo e anche se quelli che si traducono in soluzione sono pochi, è un processo educativo ed evolutivo».
Gli oltre 50 progetti attivi in SnamTec vanno dalla digitalizzazione di asset e processi all’intelligenza artificiale, dalla telediagnostica ai droni e ai satelliti, dalla realtà aumentata a quella virtuale, passando per tecnologia sensoristica, internet of things e molto altro. Tra di essi spicca la Acr (Asset Control Room): si tratta di una piattaforma gestionale data driven che consente agli operatori di monitorare, analizzare, manutenere e governare in maniera integrata, predittiva, efficiente e sostenibile tutti gli asset e i processi in capo a Snam. Sull’Acr, inoltre, vengono caricati i cosiddetti “gemelli digitali” degli asset, per svolgere test, analisi e simulazioni in completa sicurezza e in modo sempre più accurato.
Dell’Orco (Italgas Reti): l’innovazione tecnologica non può essere concepita solo come il miglioramento di un processo tradizionale, ma come qualcosa in grado di reimpostare le basi del processo stesso
«Ci vuole un approccio aperto come per tutte le cose ignote. È ingenuo pensare che l’impatto dirompente avvenga in automatico perché in un’azienda tradizionale abituata a far le cose con la carta o con i sistemi di IT Legacy, si passi a fare le slide in 30 secondi dando in pasto un documento cartaceo all’IA gen. Non è questo il cambiamento utile», dice Pier Lorenzo Dell’Orco, amministratore delegato di Italgas Reti. Leader in Italia nel settore della distribuzione del gas naturale, la società è nata nel lontano 1837 come Compagnia di Illuminazione a Gaz per la Città di Torino e lavora per introdurre e sfruttare il potenziale di IA da molti anni. «Siamo partiti nel 2017 e innanzitutto ci siamo preoccupati di creare una base di dati, che è fondamentale perché i dati si trasformano in valore solo se si sono digitalizzati gli asset – dice Dell’Orco – se sono digitalizzati gli asset si è in grado di immagazzinare i dati, poi di recuperarli ed elaborarli. Abbiamo fatto una migrazione a un Cloud assolutamente integrale e poi su quella abbiamo costruito digitalizzando gli asset, quindi le reti e gli impianti. Oggi siamo i primi al mondo come flotta di marmitte installate in Italia e fra un po’ anche in Grecia: tutto questo ci ha consentito di costruire un database veramente enorme e quindi poi fare leva su questi dati per cominciare a lavorare sull’intelligenza artificiale». I risultati sono stati sorprendenti, per una società come Italgas che ha un business estremamente tradizionale e forse ora può assurgere a benchmark in termini di innovazione e modernità nel suo settore. «Oggi uno su quattro dei nostri dipendenti usa l’intelligenza artificiale. Non solo. Abbiamo sviluppato degli algoritmi di machine learning evoluti sulla manutenzione delle reti. Gli smart maintenance: l’algoritmo sulla base dei dati in arrivo dagli impianti digitalizzati, che elabora in maniera continuativa, ci restituisce un’identificazione a livello millimetrico delle tubazioni che sono meritevoli di un intervento: una rarità, una cosa che nel settore della distribuzione del gas non esiste (in tutto il mondo si fanno le sostituzioni a fine vita utile). Se si rompe il pezzo, il sistema di smart maintenance ci consente non di risparmiare sulle manutenzioni ma di allocare in maniera più intelligente quella spesa, perché la manutenzione sarà mirata dove e quando serve. Con l’effetto collaterale di aumentare anche la sicurezza della rete. Le tecnologiche che abbiamo testato sul gas possono essere usate per ammodernare anche la rete idrica e limitare le enormi perdite che sperimentiamo attualmente».
Per lo sviluppo e l’upgrade del network italiano della distribuzione del gas nel piano industriale di Italgas sono previsti 4,5 miliardi di euro di investimenti: 1,5 miliardi di euro destinati alla prosecuzione dei programmi di trasformazione digitale della rete, precondizione tecnica per gestire con efficacia la distribuzione dei gas rinnovabili, principalmente biometano, metano sintetico e idrogeno.
Alla continuazione delle attività di repurposing, sviluppo e miglioramento delle infrastrutture esistenti sono dedicati 2,7 miliardi di euro. La digitalizzazione riguarda due aspetti chiave: asset (reti e smart meter) e processi e persone. Italgas è di fatto la prima utility al mondo con un network interamente digitalizzato, ovvero che integra dispositivi in grado di dare e ricevere informazioni e ha la possibilità di essere controllata da remoto e in tempo reale: una precondizione tecnica necessaria per accogliere e distribuire anche gas rinnovabili diversi dal metano, quali idrogeno, biometano e metano sintetico.
Intanto il gruppo sta sperimentando l’IA generativa anche in altri ambiti selezionati, come la gestione della reclamistica. «Anche in questo settore siamo stati i primi al mondo nella distribuzione del gas a sviluppare un algoritmo per la gestione delle chiamate: nell’arco di neanche 6 mesi abbiamo ridotto del 70% il numero di chiamate di tecnici reperibili per interventi in campo perché questo 70% viene oggi svolto dalla macchina o da una combinazione tra macchina e uomo in sala controllo da Torino». Ovviamente questo pone un problema legato alla potenziale riduzione di personale. «Il turnover è abbastanza basso e guidato soprattutto dai pensionamenti – dice Dell’Orco – tuttavia per essere molto chiari non è detto che se escono 100 dipendenti ne assumerò altrettanti, ma approfitto di questa uscita per andare a valorizzare alcune professionalità. Non è un gioco a somma zero: abbiamo costruito una Academy che ormai lavora da anni sull’argomento dell’upskilling e del reskilling e solo lo scorso anno abbiamo somministrato 170mila ore di formazione».
Il visore ShareView consente di condividere lo stesso campo visivo con il tecnico da remoto tramite videochiamata, così da guidare gli operatori durante gli interventi di manutenzione, guasto o di pronto intervento, fornendogli indicazioni in realtà aumentata.
E dal 2021 tramite la Digital Factory, l’hub di innovazione del Gruppo Italgas, sono nate ShareView, un dispositivo indossabile che consente l’assistenza da remoto per l’attività di manutenzione grazie alla possibilità di fornire istruzioni in realtà aumentata e facilita anche il passaggio di conoscenze ai tecnici meno esperti. O WorkOnSite, applicazione basata su IA che permette il monitoraggio da remoto dell’avanzamento dei cantieri e la verifica della conformità dei lavori al progetto. Infine, ClickToGas è un’app che permette ai clienti finali di ottenere con estrema rapidità il preventivo lavori evitando il sopralluogo del tecnico.
Argirò (Compagnia valdostana delle Acque-Cva): un progetto di ampio respiro basato su IA, per digitalizzare i 22 salti idroelettrici del gruppo
«Abbiamo aperto un cantiere importante sull’IA generativa: non un pilota, ma proprio un progetto di largo respiro», dice Giuseppe Argirò, amministratore delegato di Cva, operatore energetico di riferimento della Valle D’Aosta – Abbiamo capito che dobbiamo implementare questa innovazione tecnologica in tutta la struttura aziendale perché non è solo uno strumento per il board e per i processi strategici e manageriali di alto profilo. Certamente, l’IA generativa applicata ai digital twin è uno strumento per integrare il mondo fisico con i dati, consentendo al top management di prendere decisioni più consapevoli». Ma non è l’unica funzione. «L’IA generativa è un importante supporto al lavoro umano e lo è anche per integrare diverse funzioni aziendali in un contesto complesso, come nel settore della produzione rinnovabile dove è evidente la necessità di combinare la programmazione della produzione con la gestione dei consumi e dall’altro lato gestire il rischio di impresa attraverso la pianificazione finanziaria. Il potenziale enorme per lo sviluppo del sistema nel suo complesso poiché gli ambiti di applicazione riguardano tutta la filiera energetica e avranno ricadute significative sia in termini di elettrificazione sia di decarbonizzazione. L’IA può fornirci nuovi modelli di sviluppo in grado di traguardare l’ottimizzazione complessiva della rete, tenendo conto non solo della variabilità delle fonti rinnovabili e della domanda, ma anche della capacità di accumulo distribuita all’interno del sistema complessivo. È una sfida che, come sistema Paese, non possiamo perdere».
La Compagnia Valdostana delle Acque (Cva) produce energia elettrica da fonti rinnovabili, sfruttando in particolare la forza dell’acqua, in particolare da 32 centrali idroelettriche situate nella regione, che hanno una potenza installata totale di oltre 900 MW, alla quale si aggiungerà una potenza di oltre 800 MW di impianti eolici e fotovoltaici entro il 2027. Dalla sua fondazione nel 2001, Cva produce annualmente circa tre miliardi di chilowattora di elettricità. La centrale idroelettrica più produttiva è quella di Valpelline, costruita negli anni ’50 e alimentata dal bacino di Place Moulin, che ha una capacità di invaso di 93 milioni di metri cubi d’acqua grazie a una diga alta 155 metri. Con un salto di 1.000 metri, l’acqua arriva alle turbine con una pressione di 100 bar, permettendo l’azione di due turbine da 65 megawatt che producono fino a 330 gigawattora all’anno. Questa centrale è cruciale non solo per l’approvvigionamento energetico della Valle d’Aosta, ma anche per i piani energetici strategici dell’Italia, essendo parte del piano di riaccensione della rete elettrica a 220 kvolt in caso di blackout.
Cva pone grande attenzione alla manutenzione dei suoi impianti: per migliorare il monitoraggio e ridurre la necessità di ispezioni in loco, ha adottato la digitalizzazione degli asset con l’aiuto di aziende come ifm. Numerosi sensori sulle turbine e sui generatori registrano il comportamento vibratorio, la temperatura, la pressione e il flusso dei lubrificanti di raffreddamento. Con moneo Industrial AI Assistance di ifm, Cva utilizza l’intelligenza artificiale per monitorare lo stato di salute degli impianti in modo molto preciso e reagire in maniera tempestiva a un danno imminente. A tal fine, gli strumenti apprendono lo stato normale degli impianti in base alla cronologia dei dati. Sulla base di queste conoscenze, altri device, in particolare SmartLimitWatcher monitora il comportamento dinamico delle vibrazioni, mentre PatternMonitor esamina i singoli valori dei dati rilevanti come la temperatura, la pressione o il flusso alla ricerca di tendenze crescenti o decrescenti, volatilità in aumento o salti. La piattaforma consente di analizzare centralmente i dati dei sensori, avvisando gli operatori in caso di superamento delle soglie predefinite e aiutando a ottimizzare i processi di manutenzione.
Cva ha implementato questi sistemi in 22 centrali idroelettriche sparse su un’area di circa 3.200 chilometri quadrati nella Valle d’Aosta, molte delle quali sono difficili da raggiungere. L’obiettivo a lungo termine è sviluppare una manutenzione predittiva completa, utilizzando l’intelligenza artificiale per monitorare lo stato di salute degli impianti e reagire tempestivamente a eventuali danni imminenti. I sensori ifm, adatti all’uso in ambienti industriali difficili, come quelli umidi e freddi degli impianti idroelettrici, hanno permesso di armonizzare i componenti utilizzati e ridurre il numero di pezzi di ricambio, semplificando la pianificazione della manutenzione.
(Ripubblicazione dell’articolo del 16 maggio 2024)
