L’intelligenza artificiale (IA) sta prendendo sempre più piede nel settore energetico, rivoluzionando il modo in cui la rete elettrica viene gestita e ottimizzando l’efficienza energetica domestica. Questa tecnologia emergente, tuttavia, non è esente da sfide e questioni aperte.
Tra le operazioni critiche delle società di servizi che stanno beneficiando dell’integrazione dell’IA, vi è la valutazione dei rischi climatici – un compito sempre più pressante nell’era del cambiamento climatico e di cui si sta occupando in questi giorni anche la Cop 28 di Dubai.
Ma l’adozione diffusa dell’IA nella gestione della rete energetica mondiale solleva anche importanti interrogativi riguardanti la sicurezza della rete, la privacy dei dati e i potenziali pregiudizi insiti negli algoritmi dell’IA.
Le potenzialità dell’IA nella gestione delle reti elettriche
La corsa per l’accaparramento di nuove fonti energetiche si sta facendo sempre più sfrenata negli ultimi anni. Con il sempre maggior impiego di fonti di energia rinnovabile poi, il mondo punta ad accantonare il suo passato fatto di fonti energetiche non più sostenibili. Mentre un tempo, infatti, un numero limitato di grandi centrali elettriche a petrolio e a carbone forniva un flusso costante alla maggior parte delle città dei paesi più sviluppati, ad oggi milioni di pannelli solari e milioni di pale eoliche generano elettricità pulita per un gran numero di utenze.
Tuttavia, con i cambiamenti climatici che rendono il meteo sempre più imprevedibile, vi sono diverse sfide da affrontare. Sfide che si traducono nel bilanciamento della domanda con l’offerta di mercato. Ragion per cui, per gestire il caos presente e futuro, gli operatori di rete e, quindi, i fornitori di energia, si rivolgono sempre più all’Intelligenza Artificiale.
D’altronde, la capacità dell’intelligenza artificiale di apprendere da grandi quantità di dati e di rispondere a scenari complessi la rende particolarmente adatta al compito di mantenere stabile la rete energetica mondiale. Ecco perché un numero sempre più crescente di aziende tech sta introducendo prodotti di alimentati da Intelligenza Artificiale nel settore energetico. E c’è chi pensa, addirittura, alla possibilità di una rete elettrica completamente automatizzata in cui, in teoria, non ci sarebbe bisogno dell’uomo per prendere decisioni quotidiane e ordinarie. Ma siamo ancora lontani da questa prospettiva. Per ora ci accontentiamo di aiutare l’uomo e non di sostituirlo, fornendo informazioni in tempo reale per una migliore gestione della rete elettrica mondiale.
In che modo l’intelligenza artificiale aiuta l’efficienza energetica
Il sistema di distribuzione elettrico è spesso descritto come la macchina più complessa mai costruita dall’uomo nel corso della sua storia. Poiché la rete è così vasta, è impossibile per una sola persona comprendere appieno tutto ciò che accade al suo interno in un dato momento (per non parlare di prevedere cosa potrebbe accadere in futuro). Essenzialmente, l’intelligenza artificiale può aiutare la rete elettrica in tre modi fondamentali: aiutando gli operatori a comprendere le condizioni attuali, a prendere decisioni migliori e a prevedere potenziali problemi.
Prevedere le interruzioni di corrente
È possibile, ad esempio, prevedere le interruzioni di corrente incorporando fattori come il tempo, la posizione geografica e, persino, i livelli di reddito dei diversi quartieri. Grazie a questi dati, è possibile creare un modello che evidenzi la probabilità di interruzioni di corrente più lunghe e frequenti nelle aree a basso reddito con infrastrutture scadenti. Previsioni migliori, invece, possono aiutare a prevenire le interruzioni, ad accelerare la risposta ai disastri e a ridurre al minimo le sofferenze della gente quando tali eventi si verificano.
Aiutare i clienti a ottimizzare l’uso dell’energia
Gli sforzi di integrazione dell’Intelligenza Artificiale con la rete elettrica possono aiutare i clienti a ottimizzare l’uso dell’energia a casa e a risparmiare. Il software Gridshare di Lunar Energy, ad esempio, raccoglie i dati di decine di migliaia di case, raccogliendo informazioni sull’energia utilizzata per caricare i veicoli elettrici, far funzionare lavastoviglie, condizionatori d’aria e altro ancora. Combinate con i dati meteorologici, queste informazioni alimentano un modello che crea previsioni personalizzate sul fabbisogno energetico delle singole abitazioni, aiutando a risparmiare sulla bolletta. A titolo di esempio, si può pensare a uno scenario in cui due case in una strada hanno pannelli solari di dimensioni identiche, ma una casa ha un albero alto sul retro che crea ombra nel pomeriggio, per cui i suoi pannelli generano leggermente meno energia. Questo tipo di dettagli sarebbero impossibili da monitorare per qualsiasi azienda di servizi pubblici; tuttavia, l’Intelligenza Artificiale consente di effettuare automaticamente questo tipo di calcoli su vasta scala. Servizi come Gridshare sono progettati principalmente per aiutare i singoli clienti a risparmiare denaro ed energia. Ma nel complesso, forniscono anche alle aziende di servizi pubblici modelli comportamentali più chiari che aiutano a migliorare la pianificazione energetica. La cattura di queste “sfumature” è fondamentale per valutare la reattività della rete.
La sfida dei veicoli elettrici
I veicoli elettrici, invece, rappresentano una vera e propria sfida per la rete elettrica mondiale. L’adozione dei veicoli elettrici comporta una notevole domanda di energia che, peraltro, tende a concentrarsi in alcune città e quartieri, sovraccaricando (potenzialmente) le reti locali cittadine. Per alleviare questo “peso”, vi sono soluzioni come la californiana WeaveGrid che collabora con società di servizi, case automobilistiche e società fornitrici di energia elettrica per raccogliere e analizzare i dati di ricarica dei veicoli elettrici. Studiando i modelli e la durata della ricarica, WeaveGrid identifica gli orari di ricarica ottimali e consiglia ai clienti, tramite messaggi di testo o notifiche su APP, quando ricaricare i loro veicoli.
In alcuni casi, i clienti concedono alle aziende il pieno controllo per caricare o scaricare automaticamente le batterie in base alle esigenze della rete, in cambio di incentivi finanziari. In questo modo le auto stesse diventano una preziosa fonte di accumulo di energia per la rete.
L’integrazione dell’IA nelle operazioni critiche delle società di servizi
Diverse società di servizi hanno già iniziato a integrare l’Intelligenza Artificiale nelle “operazioni critiche”, soprattutto nell’ispezione e nella gestione di infrastrutture fisiche come linee di trasmissione e trasformatori. Ad esempio, gli alberi troppo cresciuti sono una delle principali cause di blackout, perché i rami possono cadere sui cavi elettrici o innescare incendi. Tradizionalmente, l’ispezione manuale è la norma; tuttavia, data l’ampia portata delle linee di trasmissione, tale tipo di ispezione può richiedere diversi mesi. Utilizzando l’apprendimento automatico (Machine Learning) è possibile accelerare la tempistica per le ispezioni. Analizzando, ad esempio, le fotografie scattate da droni e da elicotteri, i modelli di apprendimento automatico identificano le aree che richiedono il taglio degli alberi o individuano le apparecchiature difettose da riparare.
L’uso dell’IA per la valutazione dei rischi climatici
Alcune aziende si stanno spingendo oltre, utilizzando l’Intelligenza Artificiale per valutare i rischi climatici generali. Rhizome, una startup con sede a Washington D.C., ha recentemente lanciato un sistema di Intelligenza Artificiale che prende i dati storici delle aziende di servizi pubblici sulle prestazioni delle apparecchiature energetiche e li combina con modelli climatici globali per prevedere la probabilità di guasti alla rete derivanti da eventi meteorologici estremi, come tempeste di neve o incendi.
Le questioni aperte: sicurezza della rete, privacy dei dati e pregiudizi dell’IA
Tuttavia, c’è da chiedersi quale sarà il prossimo passo per gli operatori di rete. Se l’Intelligenza Artificiale è in grado di prendere rapidamente tutte queste decisioni, è possibile lasciarle gestire la rete e mandare a casa gli operatori umani? Gli esperti dicono di no. Anzi, raccomandano prudenza. Prima di poter automatizzare completamente la rete elettrica, infatti, rimangono diversi ostacoli importanti da superare.
La sicurezza della rete, tra tutte, rappresenta la preoccupazione maggiore. Pur essendo bravissima a migliorare i calcoli matematici controllati, l’Intelligenza Artificiale non è ancora infallibile nell’incorporare i vincoli operativi e i casi limite che si presentano nel mondo reale. Questo rappresenta un rischio troppo grande per gli operatori di rete, il cui obiettivo principale è l’affidabilità. Una decisione sbagliata al momento sbagliato potrebbe causare blackout di massa e avere gravissime ripercussioni in diversi settori.
La privacy dei dati, poi, è un altro problema. È fondamentale procedere a pseudonimizzare o anonimizzare i dati dei clienti in modo da proteggere le informazioni sensibili, come le ore del giorno in cui le persone restano a casa. Per i ladri, ad esempio, informazioni del genere sarebbero molto utili. Così come un altro problema potrebbero essere i pregiudizi (o bias) dell’Intelligenza Artificiale. I modelli di Intelligenza Artificiale, infatti, rischiano anche di perpetuare pregiudizi che potrebbero svantaggiare le comunità più vulnerabili. Storicamente, i quartieri poveri sono spesso gli ultimi a ricevere la corrente dopo i blackout. I modelli addestrati su questi dati potrebbero continuare ad assegnare loro una priorità inferiore quando i servizi pubblici lavorano per ripristinare la corrente.
Conclusioni
Per affrontare questi potenziali pregiudizi, è importante la formazione della forza lavoro che deve rapportarsi all’Intelligenza Artificiale, in modo che il personale capisca quali compiti sono o non sono appropriati per la tecnologia da loro utilizzata.[1]
[1] Four ways AI is making the power grid faster and more resilient. MIT Technology Review. https://www.technologyreview.com/2023/11/22/1083792/ai-power-grid-improvement/
