Un gruppo di ricercatori dell’ENEA, del Politecnico di Bari e dell’Università Roma Tre ha creato un sistema basato sull’intelligenza artificiale per evitare blackout elettrici causati dalle ondate di calore. Questo innovativo approccio, sviluppato nel progetto RAFAEL finanziato dal Ministero dell’Università e della Ricerca, utilizza tecniche di machine learning per prevedere possibili guasti nella rete di distribuzione elettrica. Dopo essere stato testato su una vasta rete nel Sud Italia, i risultati sono stati pubblicati sulla rivista scientifica IEEE Transactions on Industry Applications.
Le infrastrutture energetiche, specialmente nelle grandi aree urbane, sono particolarmente vulnerabili ai disastri naturali e alle condizioni meteorologiche estreme, come le ondate di calore. Pertanto, è essenziale trovare nuove soluzioni di monitoraggio e gestione della rete per prevenire guasti. L’algoritmo utilizzato è stato addestrato sui dati dei guasti verificatisi tra il 2015 e il 2020, considerando le condizioni meteo e i flussi di energia. Successivamente, è stato testato per analizzare dati di input non precedentemente visti. Tra gli algoritmi utilizzati, uno si è dimostrato particolarmente accurato nella previsione di guasti futuri, considerando sia le condizioni meteorologiche che il fabbisogno energetico.
L’aumento delle ondate di calore causato dai cambiamenti climatici rappresenta una sfida per le reti di distribuzione elettrica, specialmente nelle aree urbane. La maggiore domanda di energia elettrica durante le ore più calde, a causa dell’utilizzo di impianti di climatizzazione, sottopone la rete a sollecitazioni intense. I risultati della ricerca hanno mostrato che la maggior parte dei guasti si verifica nei giunti dei cavi, evidenziando la vulnerabilità di tali componenti alle ondate di calore. Questa informazione può essere utilizzata dagli operatori e dai produttori per sviluppare reti più resistenti.
La sicurezza e l’affidabilità delle infrastrutture critiche, come la rete di distribuzione dell’energia elettrica, sono diventate una priorità negli ultimi anni. La preparazione a eventi meteorologici estremi viene affrontata sia attraverso una manutenzione continua che tramite analisi post-evento per individuare le aree più a rischio. Grazie a questo nuovo approccio basato sull’intelligenza artificiale, i gestori della rete possono prevedere i guasti e adottare azioni correttive per evitare danni all’infrastruttura e disagi per gli utenti del servizio elettrico.
L’ENEA, il Politecnico di Bari e l’Università Roma Tre hanno realizzato un sistema innovativo basato sull’intelligenza artificiale per prevenire i blackout elettrici causati dalle ondate di calore. Questa soluzione contribuisce alla stabilità e alla resilienza della rete di distribuzione elettrica, fornendo agli operatori strumenti di previsione dei guasti e permettendo loro di prendere provvedimenti tempestivi. L’utilizzo delle tecniche di machine learning e dell’automazione consente di individuare correlazioni tra le condizioni meteorologiche, come le ondate di calore, e i guasti nella rete elettrica. Questo approccio innovativo si rivela particolarmente importante nelle aree urbane, dove la richiesta di energia elettrica è più elevata e i rischi di blackout sono maggiori. Grazie a questa ricerca, si apre la strada a nuove soluzioni di monitoraggio e gestione delle infrastrutture energetiche, che possono contribuire a garantire un servizio elettrico affidabile e sicuro anche in condizioni meteorologiche estreme.
