Solitamente utilizzato come esempio di maturità e stabilità, il settore dell’Energia “è il prossimo settore dove la disruption digitale colpirà”, si legge nel Digital Energy Report rilasciato dall’Energy & Strategy Group della School of Management del Politenico di Milano nel novembre 2017.
Utilizzato principalmente per definire l’utilizzo delle tecnologie digitali per misurare i consumi di energia, il termine Digital Energy comprende in realtà un perimetro molto più ampio: “L’uso di tecnologie digitali sempre più avanzate è ben più profondo lungo tutta la filiera dell’energia, interessandone tutte le fasi, dalla produzione alla vendita”, si legge infatti nel Report. Ampio è quindi lo spettro di tecnologie e soluzioni che interessano questo settore, suddivise in tecnologie digitali per Smart Energy (produzione) e per Smart Grid (trasmissione e distribuzione).
Come spiega il Rapporto, per decenni il settore è stato caratterizzato da: economie di scala, produzioni centralizzate e reti di trasmissione e distribuzione di proprietà pubblica. Questo modello è profondamente cambiato con la diffusione delle energie rinnovabili che introduce una produzione distribuita di energia e una distribuzione bidirezionale (si pensi alla produzione di energia individuale tramite varie fonti che viene “rivenduta” a un produttore nazionale per poi essere restituita “normalizzata”).
Le soluzioni digitali per la Smart Energy
Il Rapporto riconduce i benefici tangibili dell’adozione di tecnologie digitali a tre categorie, dove i big data analytics rappresentano l’abilitatore trasversale:
- predizione della produzione: l’utilizzo di modelli predittivi, che integrano i dati storici di produzione con le
informazioni relative alle condizioni meteorologiche in tempo reale o ad altri fattori, consentono di ottimizzare la produzione; - miglioramento dell’efficienza e della flessibilità della produzione: il monitoraggio dei dati di produzione consente di avere una visione dettagliata delle performance dei singoli apparati che permette di migliorarne la regolazione e, di conseguenza, rendere più efficiente la produzione;
- miglioramento dell’asset management: il monitoraggio continuo e la correlazione dei dati raccolti in tempo reale con le serie storiche consente di gestire in modo ottimale la manutenzione, abilitando quella preventiva e riducendo costi e rischi di downtime.
L’Energy & Startegy Group ha identificato due architetture digital “tipo” che i produttori di energia stanno adottando, differenziate sulla base del livello di complessità (figura) e dove il tema del posizionamento dell’”intelligenza” nei diversi punti della filiera è fondamentale:
- architettura Light: la raccolta dei dati viene effettuata interfacciandosi con sistemi di controllo e di comunicazione già installati negli impianti di produzione (Scada o PLC); i software di elaborazione dati si limitano alle funzioni di monitoraggio e di dashboard. In queste architetture prevale tipicamente la configurazione edge, con un primo livello di intelligenza posizionato a bordo degli apparati fisici sul campo che consente di pre-elaborare il dato trasmettendo al livello superiore un dato “pulito”;
- architettura Heavy: la raccolta dati viene effettuata tramite l’installazione di apparati fisici a bordo del singolo componente e della singola macchina; la mole di dati raccolta è ingente e viene trasmessa con tecnologie evolute dal punto di vista delle performance e della sicurezza; strumenti di advanced data analytics e machine learning abilitano il controllo e l’ottimizzazione in tempo reale della produzione. Anche in questo caso prevale la configurazione edge, ma i dati provenienti dai singoli apparati fisici vengono letti e raccolti da sistemi di controllo avanzati (sempre a livello edge) che integrano le informazioni raccolte. La maggiore complessità rispetto all’architettura Light è data poi dalla presenza, nella fase finale, di software di ultima generazione che necessitano di elevate capacità di calcolo e si basano su complessi algoritmi di ottimizzazione e di machine learning.
Il Report sottolinea che entrambe le architetture abilitano benefici per la generazione di energia che, ovviamente, hanno un’entità diversa a seconda dell’architettura prescelta dove la maggiore differenziazione è data dal diverso approccio nella fase finale di valorizzazione del dato: “Con l’architettura Heavy è infatti possibile conseguire un miglioramento considerevole dell’efficienza e della flessibilità di produzione grazie alla possibilità di monitorare in tempo reale la produzione e di implementare di conseguenza azioni correttive mirate”, si legge nello studio del Politecnico.
Le soluzioni digitali per la Smart Grid
Quattro sono le categorie di benefici tangibili della digitalizzazione che il Report identifica per i gestori di rete;
- miglioramento dell’efficienza energetica: grazie ai sistemi di monitoraggio e controllo si hanno benefici sia per il gestore di rete, che può effettuare una gestione efficiente dei picchi, sia per l’utente finale, che avendo la possibilità di monitorare i propri consumi è indotto a ottimizzarli;
- riduzione costi O&M (Operation & Maintenance): tecnologie avanzate di controllo e regolazione consentono di ridurre, se non addirittura eliminare, alcuni costi O&M grazie a una più efficiente manutenzione preventiva;
- gestione della rete e bilanciamento efficiente: poter predire i consumi, e quindi la produzione, diventa fondamentale nel poter bilanciare nel modo più efficace le diverse fonti energetiche garantendo una pianificazione attenta della potenza immessa nella rete;
- sviluppo di energy community: sviluppo di comunità di utenze energetiche in cui utilizzatori e vettori di energia cooperano attivamente per l’ottimizzazione delle risorse; si affacciano anche nuove modalità di scambio di energia basate su blockchain (vedi i numerosi esempi riportati nell’articolo Energy sharing: vendere e comprare energia senza intermediari, pubblicato su www.zerounoweb.it). Per quanto riguarda l’architettura digitale prevalentemente utilizzata, l’Energy & Stratey Group rileva una solo tipologia per entrambi i sistemi di trasporto dell’energia (rete di trasmissione ad alta tensione per il trasporto su lunghe distanze; rete di distribuzione, che conclude la filiera del sistema elettrico, con la consegna di elettricità in media e bassa tensione agli utenti finali); le differenze sono di tipo dimensionale in base al numero di sottostazioni o chilometri di linee digitalizzate.
Anche in questo caso abbiamo una prevalenza della configurazione edge con l’installazione di sensori e apparati intelligenti distribuiti sulle linee e sui tralicci e l’implementazione di analytics di elevata complessità (dal livello più basso dei descriptive, fino ad arrivare a funzionalità di automated analytics, passando per predictive e prescriptive) nella parte “alta” della filiera che abilitano un processo decisionale e operativo nella gestione dell’energia basato sull’analisi dei dati in tempo reale.
Il Report rileva infine che in questo ambito la diffusione di soluzioni digital è ancora limitata e più difficoltosa rispetto alla Smart Energy sebbene vi siano numerosi progetti pilota sviluppati da DSO (operatori della distribuzione di energia) locali o che rientrano in iniziative di portata europea: da una parte, il tema del controllo, della manutenzione e della capacità di azionare a distanza i sistemi è già molto diffuso tra i TSO (operatori di sistemi di trasporto dell’energia) e i DSO, quindi un’ulteriore digitalizzazione (soprattutto nella fase finale della filiera) viene vista come marginale; dall’altra parte, il Politecnico rileva che, essendo il mercato elettrico della distribuzione soggetto a regolazione e controllo delle marginalità degli operatori, dovrebbe essere il sistema nel suo insieme (soprattutto nella sua parte pubblica) a farsi carico degli investimenti necessari per questo ulteriore passaggio verso le Smart Grid.
