Cerca nel sito per parola chiave

rapporti - Deliverable

Progetto di digital twin e strumenti di intelligenza artificiale per le infrastrutture energetiche

rapporti - Deliverable

Progetto di digital twin e strumenti di intelligenza artificiale per le infrastrutture energetiche

Il rapporto illustra i risultati ottenuti nell’ambito della Ricerca di Sistema ed è incentrato su digital twin e intelligenza artificiale per la digitalizzazione del sistema elettrico. Descrive l’evoluzione della piattaforma MESP-DT, la creazione un dataset di difetti che causano scariche parziali, il miglioramento degli algoritmi per mappare impianti fotovoltaici a terra su scala nazionale, l’aggiornamento degli algoritmi di monitoraggio dei manicotti di neve e un’analisi sull’IA generativa.

La crescente complessità delle reti elettriche e l’aumento di eventi climatici estremi impongono l’adozione di strumenti avanzati per il monitoraggio e la gestione del rischio, mentre la diffusione di impianti rinnovabili e la necessità di garantire continuità del servizio richiedono soluzioni digitali innovative per la pianificazione territoriale, la previsione delle condizioni critiche e la manutenzione predittiva.

 

Il presente rapporto documenta le attività di digitalizzazione per aumentare la resilienza del sistema elettrico attraverso lo sviluppo di modelli predittivi e algoritmi basati su tecniche di intelligenza artificiale (IA), a partire da sperimentazioni in laboratorio e analisi di dati reali. Tra i principali risultati si evidenzia la progettazione di un digital twin per la previsione e la gestione di criticità di esercizio dei componenti di rete.

 

È stato, inoltre, creato un dataset annotato di scariche parziali, rappresentativo della variabilità dei fenomeni di degrado nei giunti dei cavi, destinato all’addestramento di modelli di IA per la classificazione dei difetti di isolamento. Sono state perfezionate le metodologie di analisi di immagini satellitari per la mappatura su scala nazionale degli impianti fotovoltaici a terra mediante tecniche di segmentazione semantica e dataset ampliati con approccio multi-temporale.

 

Nel campo del monitoraggio delle condizioni ambientali di esercizio, sono stati aggiornati gli algoritmi di computer vision per la stima delle dimensioni dei manicotti di neve sui conduttori aerei, integrandoli nel sistema operativo della stazione sperimentale WILD e migliorando la robustezza delle stime rispetto alle misure fisiche. Infine, è stata condotta un’analisi di stato dell’arte dell’intelligenza artificiale generativa applicata al settore energetico, evidenziandone il potenziale per la generazione di dati sintetici, la previsione del carico e l’ottimizzazione dei processi.

 

I risultati ottenuti pongono le basi per ulteriori sviluppi orientati all’integrazione operativa delle soluzioni, all’automazione dei processi con l’adozione di tecniche avanzate di IA, per rendere le infrastrutture energetiche più resilienti, sicure e sostenibili.

Progetti

Commenti