La griglia sta cambiando come il grande, i fornitori centralizzati del passato vengono sostituiti da più piccoli, fornitori distribuiti. Mantenere stabili reti così complesse richiede una tecnologia di sensori ad alta risoluzione:l'intelligenza artificiale fornisce un modo per fare previsioni accurate e rilevare automaticamente eventuali disturbi o anomalie in tempo reale. Ecco come i ricercatori Fraunhofer hanno sviluppato le tecniche di compressione, algoritmi e reti neurali per rendere un alimentatore adatto al futuro.

Il modo in cui viene generata l'energia è in transizione:considerando che, prima, tutto il nostro potere proveniva da grandi centrali elettriche, in questi giorni proviene anche da una serie di fonti distribuite, comprese le turbine eoliche, impianti fotovoltaici e altre strutture simili. Questo cambiamento ha un grande impatto sulla nostra rete, con sfide particolari per i gestori delle reti di trasmissione. Come monitorare il corretto funzionamento dei parametri di rete come l'angolo di fase e le frequenze? Potrebbero esserci discrepanze o anomalie nel corretto funzionamento della rete? O ci sono linee o centrali elettriche fuori uso? La tecnologia di misurazione standard di oggi non è più in grado di fornire risposte affidabili a questo tipo di domande. Sempre più operatori sono, perciò, passando a ulteriori unità di misura dei fasori (PMU) e ad altre soluzioni digitali. Questi sistemi misurano l'ampiezza e la fase di corrente e tensione fino a 50 volte al secondo. Questo processo genera enormi volumi di dati, facilmente diversi gigabyte al giorno.

La compressione dei dati consente di risparmiare l'80% dei dati

In risposta, ricercatori presso il ramo Advanced System Technology (AST) del Fraunhofer Institute for Optronics, Tecnologie di sistema e sfruttamento delle immagini IOSB di Ilmenau stanno cercando modi per ottimizzare l'elaborazione dei dati utilizzando l'intelligenza artificiale, al fine di migliorare l'affidabilità della rete e creare un sistema di alimentazione adatto al futuro. "Possiamo utilizzare l'intelligenza artificiale per accedere automaticamente, comprimere ed elaborare fino a 4,3 milioni di set di dati al giorno, " dice il prof. Peter Bretschneider, capo del dipartimento Energia presso la filiale AST del Fraunhofer IOSB.

Nella prima fase del loro lavoro, i ricercatori hanno escogitato una tecnica di compressione che consente di risparmiare l'80% dei dati. Non solo è più facile memorizzare i dati, ma anche più veloce ed efficiente per elaborarlo.

Elaborazione automatizzata dei dati in tempo reale

Nella seconda fase, i ricercatori hanno continuato a utilizzare i dati di misurazione dei fasori raccolti per applicare le reti neurali, uno dei componenti chiave dell'intelligenza artificiale di oggi. Più specificamente, hanno "alimentato" le reti neurali con esempi di interruzioni tipiche del sistema. Per di qua, gli algoritmi imparano gradualmente a distinguere – e categorizzare con precisione – i dati di normale funzionamento da malfunzionamenti del sistema definiti. Dopo la fase di formazione, i ricercatori hanno applicato le reti neurali ai dati attuali generati dalle misurazioni dei fasori, dati che in precedenza dovevano essere presi ed elaborati manualmente. È qui che l'algoritmo ha fatto il suo primo salto nell'applicazione in tempo reale, prendere decisioni in una frazione di secondo su dove c'è un'anomalia o un errore, nonché il tipo e l'ubicazione di tale disturbo. Per fare un esempio, se una centrale elettrica dovesse guastarsi, ci si può aspettare un picco improvviso nel carico posto sulle altre centrali elettriche. L'aumento del carico rallenta i generatori, e la frequenza diminuisce. Ciò richiede rapide contromisure perché se la frequenza scende al di sotto di un valore di soglia, l'operatore può essere costretto a tagliare sezioni della rete per motivi di stabilità del sistema. E da rapido, stiamo parlando di meno di 500 millisecondi. Poiché l'algoritmo è in grado di prendere una decisione entro 20-50 millisecondi, che lasci tempo sufficiente per attuare le contromisure appropriate completamente automatizzate.

L'algoritmo è pronto per essere implementato, mentre i ricercatori continuano a lavorare sul controllo e la regolazione delle relative contromisure. Lo sviluppo interessa non solo i grandi operatori di reti di trasmissione di energia, ma anche alle reti di distribuzione regionali. "Per fare un'analogia con la rete stradale, che senso ha avere autostrade libere quando le strade regionali più piccole sono permanentemente bloccate?", afferma Bretschneider.

Potere di prevedere i problemi del futuro

lo stesso, i ricercatori non si limitano ai problemi di oggi, ma vogliono anche tener conto di anomalie che non si sono nemmeno verificate finora. "Se continuiamo a perseguire le rinnovabili, può portare a situazioni che non conosciamo ancora, " dice Bretschneider. Qui, pure, i ricercatori si sono rivolti all'intelligenza artificiale, dove lavorano sulla categorizzazione di questo tipo di fenomeni sconosciuti e sullo sviluppo di algoritmi appropriati utilizzando mappe di rete digitali.