Intelligenza artificiale e fotovoltaico: quale futuro?

Con la crescente domanda di energia da fonti rinnovabili, nuove sfide si prospettano per il fotovoltaico: raggiungere obiettivi di massima efficienza e affidabilità resta prioritario, e per farlo è possibile affidarsi anche all’intelligenza artificiale.

Perché? Perché nella gestione del fotovoltaico le maggiori difficoltà che si possono incontrare sono:

• manutenzione time-consuming;
• difficoltà ad intercettare perdite di efficienza semplici;
• predizione della produttività per gestire al meglio la richiesta del mercato dell’energia.

L’applicazione del Machine Learning al fotovoltaico ha l’obiettivo di identificare i malfunzionamenti dell’impianto, in modo da ridurre i costi di manutenzione, ed effettuare una previsione della potenza fotovoltaica per pianificare correttamente le operazioni delle centrali elettriche, così da garantire la stabilità, l’affidabilità e l’economicità del sistema.

Ma, come vedremo, non sono le uniche funzioni nelle quali l’AI può essere d’aiuto.

Intelligenza artificiale e fotovoltaico: le applicazioni principali

Come accennato sopra, la prima possibile applicazione dell’AI nel settore fotovoltaico riguarda l’introduzione di un sistema di monitoraggio dei guasti e manutenzione predittiva.

Un sistema di monitoraggio per la manutenzione predittiva è caratterizzato dall’implementazione di un algoritmo di intelligenza artificiale, alimentato dai dati derivanti dai sensori, già inseriti in campo, collegati a ciascun pannello fotovoltaico per misurare la curva tensione-corrente. L’obiettivo della manutenzione predittiva è quello di garantire un miglioramento dell’efficienza dell’impianto in analisi mediante la previsione di possibili guasti. Uno degli approcci più utilizzati è quello di confrontare l’efficienza dei pannelli tra loro, a seconda dell’irraggiamento solare ricevuto, inclinazione e meteo locale: in questo modo è possibile intercettare anomalie sui pannelli solari e inefficienze sul nascere.

Come l’AI favorisce le previsioni sull’energia solare

L’affidabilità e la stabilità dei sistemi di alimentazione esistenti sono messi a dura prova dall’imprevedibilità e dalla variabilità dell’energia solare. La previsione della potenza fotovoltaica è quindi essenziale per le società di servizi pubblici per pianificare correttamente le operazioni delle centrali elettriche.

In base al tipo di input inseriti nel modello di intelligenza artificiale, le tecniche di previsione possono essere classificate come approcci fisici o statistici. I metodi fisici modellano il fotovoltaico in funzione di alcune variabili indipendenti come: 

• caratteristiche delle celle fotovoltaiche;
• irraggiamento solare;
• temperatura delle celle. 

I metodi di previsione statistica si basano invece su dati storici passati per la previsione. 

Tra i possibili input del modello si possono inserire le variabili di:

• valore medio della temperatura dell’aria;
• umidità relativa;
• nuvolosità a diverse altitudini;
• valore medio della radiazione;
• potenza di uscita del pannello (variabile di output).

Nuovi sviluppi e ricerche sull’AI nel fotovoltaico

Oltre a queste applicazioni già in uso, sempre più realtà stanno esplorando nuovi orizzonti per espandere la tecnologia del fotovoltaico e sfruttare l’intelligenza artificiale. 

Un team di ricercatori della RMIT University, in Australia, in collaborazione con la Monash University, si è rivolto all’AI per creare un innovativo programma di machine learning che aiutasse a incrementare la resa del fotovoltaico.

Il nuovo modello messo a punto è in grado di prevedere l’efficienza di conversione dei raggi solari in elettricità dei materiali impiegati nelle celle. Ad oggi il materiale più usato è il silicio cristallino, ma l’intenzione è quella di trovare nuovi semiconduttori e tecnologie sempre più economiche ma soprattutto sempre più flessibili e facili da produrre.

Il contributo in più dato dal machine learning è quindi la possibilità di predire l’efficienza dei pannelli solari anche con materiali “virtuali”, ossia non ancora esistenti, ma solo progettati teoricamente. 

Recentemente, Mipu, azienda italiana specializzata in tecnologie predittive, ha realizzato in collaborazione con il Politecnico di Milano un software di intelligenza artificiale che consentirà di prevedere in maniera accurata quanta energia riuscirà a produrre un impianto fotovoltaico con un margine di errore inferiore al 5%. 

Il modello sfrutta dati meteo e di produzione energetica sia storici sia previsionali, e rende disponibile la previsione di energia prodotta attraverso un’app sulla piattaforma Platoon. 

Innovazioni come queste ci svelano i cambiamenti del settore in atto, e ci mostrano una piccola finestra sul futuro, impossibile da ignorare.