L’intelligenza artificiale a servizio del teleriscaldamento. Accade all’Enea, dove i ricercatori del Dipartimento Efficienza energetica hanno sviluppato un modello basato su reti neurali artificiali capace di prevedere con sei ore di anticipo quanta energia termica potrà immettere nella rete un prosumer, ovvero un utente produttore-consumatore. Una soluzione che permette di creare reti di teleriscaldamento smart, capaci di integrare un numero crescente di fonti rinnovabili, ottimizzando la gestione dell’energia termica.
La rete Lstm applicata al teleriscaldamento
Cuore del progetto è una rete neurale Long Short-Term Memory (Lstm), un tipo di intelligenza artificiale progettato per analizzare dati che cambiano nel tempo, come temperatura, domanda energetica o potenza termica. Nel caso specifico, la rete è costituita da una struttura su un unico livello di elaborazione, dove 32 unità di calcolo lavorano in parallelo per riconoscere gli schemi ricorrenti nei dati e migliorare la capacità di previsione del modello.
Le variabili in gioco
Il modello elaborato da Enea è stato addestrato utilizzando 13 anni di simulazioni e dati meteorologici orari. Il sistema analizza variabili chiave, come la temperatura dell’aria esterna e l’irraggiamento solare, che influenzano direttamente la disponibilità di calore prodotto localmente da fonte rinnovabile e non utilizzato dall’utente, quindi disponibile per essere immesso nella rete di teleriscaldamento. Il modello tiene inoltre conto dell’ora del giorno e del periodo dell’anno, riconoscendo i cicli quotidiani e stagionali della domanda e della produzione di calore.
«I risultati che abbiamo ottenuto sono promettenti – ha commentato Mattia Ricci, ricercatore del Laboratorio Enea Soluzioni integrate per l’efficienza energetica e coautore dello studio –. Le previsioni del modello sono sufficientemente accurate in particolare per previsioni future nel breve o brevissimo termine, ma stiamo già lavorando per migliorare la precisione anche oltre le 6 ore».
Decarbonizzare il teleriscaldamento
Il riscaldamento e il raffrescamento rappresentano quasi la metà dei consumi energetici e dipendono ancora in larga misura dai combustibili fossili. Nel 2022, le fonti rinnovabili hanno coperto appena il 25% della produzione di calore. In Europa operano circa 19.000 reti di teleriscaldamento che coprono oltre 77 milioni di persone, con maggiore diffusione nei Paesi nordici, seguiti da Germania, Francia, Regno Unito e Paesi Bassi. La Direttiva europea sull’efficienza energetica 2023/1791 sostiene lo sviluppo di sistemi teleriscaldamento efficienti, promuovendo l’integrazione sia delle fonti rinnovabili sia del calore di scarto nelle reti termiche, in quanto riconosciute come una soluzione chiave per la transizione energetica, soprattutto nelle aree urbane.
Più intelligenza per reti più complesse
In tale contesto, il thermal prosumer, ovvero l’utente in grado non solo di prelevare calore dalla rete ma anche di immetterne, grazie alla produzione da pannelli solari termici o al recupero di calore di scarto, svolge un ruolo importante nella decarbonizzazione delle reti. In tali sistemi lo scambio avviene tramite sottostazioni bidirezionali, che consentono un flusso dinamico dell’energia termica tra utenti e infrastruttura collettiva. Il punto è che tali reti diventano sempre più complesse a causa della presenza di numerosi utenti interagenti e dii flussi termici variabili, per cui la loro gestione ottimale richiede strumenti tecnologici avanzati. L’uso dell’intelligenza artificiale è una soluzione, ma finora la sua applicazione al teleriscaldamento è rimasta limitata. Inoltre, la maggior parte dei lavori esistenti si concentra sulla previsione della domanda termica piuttosto che sulla stima della produzione di calore in eccesso da fonti rinnovabili termiche. Un vuoto che la ricerca dell’Enea punta a colmare.
