Il rapporto descrive le attività svolte per l’evoluzione della Multi Energy Semantic Platform (MESP) verso una piattaforma orientata ad applicazioni di Digital Twin per reti energetiche e loro componenti, denominata Multi Energy Semantic Platform – Digital Twin (MESP-DT), e lo sviluppo di algoritmi di intelligenza artificiale a supporto dei processi di manutenzione predittiva, inclusa l’analisi automatica di immagini relative a fenomeni fisici da monitorare, dannosi per le infrastrutture energetiche.

Per lo sviluppo della MESP-DT è stata aggiunta alla piattaforma MESP di partenza la possibilità di acquisire streaming di dati dal campo in tempo reale, associandoli ai modelli semantici e ai knowledge graph delle reti energetiche; sono state implementate modalità per mantenere molteplici versioni dei knowledge graph, e quindi poter gestire modifiche delle reti nel tempo; infine, sono state integrate funzionalità di gestione dei dati geospaziali associati alle reti, utili per la visualizzazione geografica degli asset e delle variabili meteorologiche, facilitando la gestione degli asset da parte delle utility.

La MESP-DT integra anche servizi di simulazione di componenti, che sono stati testati nella realizzazione dimostrativa di digital twin per un sistema di accumulo. Un altro esempio di digital twin, sviluppato a partire dall’architettura della MESP-DT e riferito a reti di distribuzione elettrica, è il sistema di stima e preallerta di condizioni critiche di cavi e giunti delle linee interrate di media tensione, realizzato integrando nella piattaforma funzionalità dello strumento di RSE RELIEF (REsiLIEnce measures For the grid).

Nel documento viene anche presentata un’analisi dei processi di manutenzione predittiva degli asset di reti elettriche di distribuzione, a supporto dei quali è stato possibile studiare algoritmi di clustering e di graph embedding e streaming machine learning.

Il rapporto descrive inoltre i risultati conseguiti mediante l’applicazione di tecniche di intelligenza artificiale e computer vision al monitoraggio di fenomeni fisici con impatto sul settore elettro-energetico. In particolare, si discute lo sviluppo di algoritmi per il riconoscimento delle scariche superficiali sugli isolatori di alta tensione e la realizzazione di un prototipo per il monitoraggio visivo in tempo reale di questo fenomeno.

Infine, si esamina l’impiego di tecniche di computer vision e deep learning per analizzare e monitorare la formazione di manicotti di neve sui cavi delle linee elettriche aeree, al fine di attuare azioni di miglioramento della resilienza delle reti elettriche.

Le attività descritte in questo rapporto offrono contributi per un miglioramento della gestione operativa delle infrastrutture energetiche, in particolare delle reti elettriche, grazie alle potenzialità di gestione di dati in tempo reale fornite dalla MESP-DT e l’aumento della resilienza delle reti ottenibile grazie all’utilizzo di tecniche predittive per la gestione degli asset e all’adozione di tecniche di intelligenza artificiale e computer vision per il monitoraggio di fenomeni fisici critici per le infrastrutture energetiche.