La previsione della produzione di energia fotovoltaica diventa più precisa e affidabile grazie a una nuova metodologia sviluppata da ENEA, l'Agenzia nazionale per le nuove tecnologie, l'energia e lo sviluppo economico sostenibile. Utilizzando algoritmi avanzati di intelligenza artificiale (AI) e tecniche di machine learning, il team di ricerca ha raggiunto un livello di accuratezza superiore rispetto alle metodologie tradizionali, come pubblicato sulla rivista scientifica _Energies_.
La Metodologia sperimentata nel centro ricerche ENEA di Portici
Il progetto ha visto l'applicazione della metodologia AI a un impianto fotovoltaico situato nel Centro Ricerche ENEA di Portici, Napoli. Come spiegato da Amedeo Buonanno, ricercatore del Laboratorio ENEA Smart Grid e Reti Energetiche, l'approccio ha permesso un notevole miglioramento nella previsione della produzione energetica. "L'accuratezza delle previsioni - sottolinea Buonanno - è un elemento fondamentale per evitare squilibri nella rete elettrica, ottimizzare il funzionamento delle risorse di generazione e ridurre i costi operativi."
La nuova metodologia combina modelli meteorologici che stimano la produzione solare con un algoritmo di machine learning. Questo algoritmo integra dati storici di generazione, migliorando significativamente la precisione delle previsioni. La sua versatilità e generalità permettono un utilizzo in una vasta gamma di contesti, incluse installazioni con limitata disponibilità di dati, come nel caso di impianti di recente installazione.
Un'applicazione scalabile e sostenibile
Il metodo proposto si adatta facilmente a impianti di diverse dimensioni, compresi i piccoli impianti condominiali. Per questi ultimi, è possibile creare un modello di previsione basato sulle caratteristiche dell'impianto (ad esempio, potenza nominale e orientamento dei pannelli), successivamente ottimizzabile con tecniche di machine learning e l'aggiunta di dati storici. "Una volta addestrati, questi modelli richiedono risorse computazionali limitate, rendendone semplice l'implementazione e ampliando le opportunità di applicazione pratica in vari contesti," aggiunge Buonanno.
Un contributo alla crescita delle rinnovabili in Italia
Il settore fotovoltaico italiano ha registrato una crescita significativa, con una capacità installata che nel 2023 ha superato i 30 GW, segnando un incremento del 21% rispetto al 2022. Tuttavia, la produzione solare è intrinsecamente variabile e rappresenta una delle sfide principali nella gestione della rete elettrica. La possibilità di prevedere con maggiore precisione la produzione fotovoltaica risponde a questa sfida, migliorando la stabilità della rete e riducendo i rischi associati alla variabilità della radiazione solare.
Il Progetto MISSION: verso sistemi energetici integrati e sostenibili
Lo studio rientra nel progetto MISSION, promosso da ENEA per sviluppare sistemi energetici integrati e migliorare la sinergia tra fonti rinnovabili e convenzionali, ottimizzando al contempo l'uso di vettori energetici elettrici e termici. Il progetto punta a massimizzare l'efficienza delle microreti energetiche, gestendo la domanda e la produzione in modo intelligente e coordinato. Come spiega Maria Valenti, responsabile del Laboratorio Smart Grid e Reti Energetiche e referente del progetto, l'obiettivo finale è accelerare la transizione verso un sistema energetico più sostenibile, contribuendo alla diffusione delle microreti e alla trasformazione del sistema elettrico in chiave ecologica.
La nuova metodologia di ENEA rappresenta un passo avanti significativo per l'ottimizzazione della produzione fotovoltaica in Italia. L'adozione di tecnologie basate su AI per la previsione della produzione rappresenta non solo un progresso tecnologico, ma anche un potenziale strumento di supporto per la crescita delle rinnovabili e la gestione ottimizzata delle reti elettriche. Questo approccio potrà essere determinante nel promuovere la sostenibilità energetica e la resilienza del sistema elettrico nazionale, portando il Paese un passo più vicino agli obiettivi di transizione energetica.
Fonte: ENEA