Il rapporto illustra metodi innovativi di gestione dei dati nei processi di pianificazione e manutenzione delle infrastrutture energetiche. Per la gestione ottimale degli asset lungo tutto il loro ciclo di vita, viene introdotta la possibilità di creare un unico knowledge graph relativo ai dati di rete, comprendente sia le informazioni inserite in fase di pianificazione secondo la metodologia BIM, sia le istanze IEC CIM utili per la fase operativa.

La descrizione dell’architettura ICT utilizzata dai sistemi dei DSO può essere modellata tramite l’utilizzo di classi generiche provenienti da IEC CIM, mentre per descrivere specifiche componenti ICT è opportuno ricorrere all’utilizzo di ontologie del settore.

Sono state valutate le potenzialità e criticità di tecniche di machine learning basate su grafi per applicazioni su reti elettro-energetiche ed è stato sviluppato un sistema per la stima delle pressioni ai nodi di una rete gas utilizzando tecniche data driven con un modello di Graph Convolutional Network.

A supporto delle funzioni aziendali per la gestione degli asset della rete elettrica si è individuata la norma IEC 61968-4 che definisce il contenuto informativo di una serie di messaggi di utilità, facilmente estendibili per trattare anche infrastrutture di altri vettori energetici.

Nel contesto della digitalizzazione dei processi di pianificazione territoriale multienergetica, è proseguito il lavoro delle precedenti annualità concentrandosi sul modulo fotovoltaico del modello di pianificazione CALLIOPE.  Il knowledge graph che descrive i parametri tecnologici è stato aggiornato ed automatizzata la generazione dei file descrittivi delle tecnologie in ingresso al modello per le simulazioni.

È stato realizzato anche il recupero automatico dei dati di domanda elettrica di Terna utilizzando le Application Programming Interface (API) disponibili. Vengono presentati gli strumenti e le interfacce realizzate a supporto dell’esecuzione degli studi di pianificazione.

Infine, il rapporto illustra lo studio di tecniche di intelligenza artificiale per la mappatura automatica di impianti fotovoltaici a terra utilizzando immagini satellitari. È stata sviluppata una metodologia di segmentazione semantica delle immagini basata sull’architettura U-Net. Vengono discussi i risultati dei test del modello, addestrato per identificare gli impianti fotovoltaici presenti nelle immagini, e le sue prestazioni per due casi d’uso.