Il futuro del fotovoltaico passa anche dall'intelligenza artificiale. Grazie all'integrazione tra algoritmi avanzati, sensori intelligenti e analisi dei dati, la gestione degli impianti solari può diventare più efficiente, riducendo i guasti e migliorando le prestazioni. È in questo scenario che si inseriscono i risultati del progetto MARTA, che aprono nuove prospettive per il settore.
ENEA, partner scientifico dell’iniziativa, ha sviluppato soluzioni basate su Intelligenza Artificiale (IA) e Internet of Things (IoT) per ottimizzare il funzionamento degli impianti fotovoltaici. I risultati della ricerca, firmata da ricercatori ENEA e dell'Università di Napoli Federico II, sono stati pubblicati sulla rivista Energy and AI.
Per gli impianti fotovoltaici di grandi dimensioni installati a terra è stata realizzata una piattaforma IoT dedicata alla diagnostica e al controllo della produzione energetica. Il sistema consente di affinare leprevisioni di generazione elettrica, caratterizzata dalla variabilità tipica della fonte solare, e di limitare le perdite dovute a eventuali malfunzionamenti.
"I dati ricavati dal monitoraggio dell’impianto e dell’ambiente rappresentano il 'cuore' della piattaforma. A questi dati si aggiungono quelli ricavati attraverso ispezioni con mezzi come droni e rover", spiega Saverio De Vito, ricercatore ENEA, evidenziando come siano stati sviluppati sistemi AIoT, soluzioni multisensoriali a basso costo per il monitoraggio dei singoli moduli e modelli di intelligenza artificiale per l'analisi dei dati.
Per addestrare gli algoritmi è stato utilizzato un ampio database costituito da impianti fotovoltaici realmente operativi sul territorio italiano. "Per l’addestramento delle IA è stato utilizzato un dataset piuttosto rilevante", sottolinea il ricercatore ENEA Gabriele Piantadosi.
Fotovoltaico: previsioni di produzione con un margine di errore minimo
Tra i risultati ottenuti spicca una dashboard capace di prevedere la produzione dell'impianto nel breve periodo con un margine di errore inferiore all'1% e di segnalare rapidamente anomalie e criticità. "Le attività di esercizio e manutenzione (O&M) hanno un costo significativo... Ottimizzare questo aspetto è perciò di grande interesse", osserva Girolamo Di Francia, responsabile scientifico del progetto.
Le tecnologie sviluppate sono già impiegate nelle attività di esercizio e manutenzione di TeaTek, azienda capofila del progetto, mentre una versione dedicata ai piccoli impianti residenziali consente di monitorarne le prestazioni nel tempo integrando i dati di produzione con modelli previsionali consolidati.