Vi segnaliamo
Energia: teleriscaldamento, ENEA sviluppa modello IA per reti più smart
Creare reti di teleriscaldamento smart, capaci di integrare un numero crescente di fonti rinnovabili, grazie all’intelligenza artificiale. È l’obiettivo dei ricercatori del Dipartimento Efficienza energetica di ENEA, che hanno sviluppato un modello basato su reti neurali artificiali, in grado di prevedere con sei ore di anticipo quanta energia termica potrà immettere nella rete un prosumer (utente produttore-consumatore). I risultati, pubblicati sulla rivista Energies, aprono la strada allo sviluppo di sistemi di teleriscaldamento sempre più smart e con una logica di funzionamento simile alle moderne smart grid elettriche.
Sviluppato nell’ambito della Ricerca di Sistema Elettrico 2025-2027, il modello ENEA consiste in una rete neurale Long Short-Term Memory (LSTM), cioè un tipo di intelligenza artificiale progettato per analizzare dati che cambiano nel tempo, come temperatura, domanda energetica o potenza termica. “Nel nostro caso la rete è costituita da una struttura semplice ma efficace: un unico livello di elaborazione in cui 32 unità di calcolo lavorano in parallelo per riconoscere gli schemi ricorrenti nei dati e migliorare la capacità di previsione del modello”, spiega Mattia Ricci, ricercatore del Laboratorio ENEA Soluzioni integrate per l’efficienza energetica e coautore dello studio, insieme ai colleghi Federico Gianaroli, Marcello Artioli, Simone Beozzo e Paolo Sdringola.
La rete messa a punto da ENEA è stata addestrata utilizzando 13 anni di simulazioni e dati meteorologici orari. Tra le variabili, un ruolo chiave è svolto dalla temperatura dell’aria esterna e dall’irraggiamento solare, che influenzano direttamente la disponibilità di calore prodotto localmente da fonte rinnovabile e non utilizzato dall’utente, quindi disponibile per essere immesso nella rete di teleriscaldamento sotto certe condizioni. Il modello tiene inoltre conto dell’ora del giorno e del periodo dell’anno, riconoscendo i cicli quotidiani e stagionali della domanda e della produzione di calore. “I risultati che abbiamo ottenuto sono promettenti. Le previsioni del modello sono sufficientemente accurate in particolare per previsioni future nel breve o brevissimo termine, ma stiamo già lavorando per migliorare la precisione anche oltre le 6 ore”, prosegue Ricci.
Per la notizia completa CLICCA QUI
