Fotovoltaico+ Intelligenza artificiale = Efficienza produttiva

Come abbiamo già accennato nel nostro precedente articolo “L’intelligenza artificiale migliorerà le prestazioni del fotovoltaico“, adesso uno studio fatto dalla Incheon National University, in Corea, ha sviluppato un approccio basato sul machine learning per stimare in maniera accurata la produzione dei sistemi fotovoltaici.

Sebbene i sistemi fotovoltaici costituiscano un modo promettente per sfruttare l’energia solare, i gestori della rete elettrica devono prevedere con precisione la loro produzione di energia per programmare in modo efficiente le operazioni di generazione e manutenzione.

L’attuale minaccia dei cambiamenti climatici ci costringe a fare scelte in direzione delle fonti di energia rinnovabile su scala più ampia.
I sistemi fotovoltaici, che generano elettricità dalla fornitura quasi illimitata di energia solare, sono uno dei modi più promettenti per generare energia pulita.
Tuttavia, l’integrazione di sistemi fotovoltaici nelle reti elettriche esistenti non è un processo semplice. Poiché la produzione di energia degli impianti fotovoltaici dipende fortemente dalle condizioni ambientali, i gestori di centrali elettriche e di rete hanno bisogno di stime di quanta potenza sarà immessa dai sistemi fotovoltaici in modo da pianificare programmi ottimali di generazione e manutenzione, tra gli altri importanti aspetti operativi.

ANFIS: Adaptive Neuro Fuzzy Inference System

In linea con le tendenze moderne, se c’è la necessità di un modello previsionale, l’intelligenza artificiale farà la sua comparsa.
Ad oggi esistono molti algoritmi in grado di stimare la potenza prodotta dagli impianti fotovoltaici con diverse ore di anticipo imparando dai dati precedenti e analizzando le variabili attuali. Uno di questi, chiamato sistema di inferenza neuro-fuzzy adattivo (ANFIS), è stato ampiamente applicato per prevedere le prestazioni di complessi sistemi di energia rinnovabile.
Fin dal suo inizio, molti ricercatori hanno combinato ANFIS con una varietà di algoritmi di apprendimento automatico per migliorare ulteriormente le sue prestazioni.

In un recente studio pubblicato su Renewable and Sustainable Energy Reviews , un team di ricerca guidato da Jong Wan Hu della Incheon National University, Corea, ha sviluppato due nuovi modelli basati su ANFIS per stimare meglio la potenza generata dai sistemi fotovoltaici in anticipo fino a un giornata intera. Questi due modelli sono “algoritmi ibridi” perché combinano il tradizionale approccio ANFIS con due diversi metodi di ottimizzazione dello sciame di particelle, che sono strategie potenti ed efficienti dal punto di vista computazionale per trovare soluzioni ottimali ai problemi di ottimizzazione.

Intelligenza artificiale e capacità predittive

Per valutare le prestazioni dei loro modelli, il team li ha confrontati con altri algoritmi ibridi basati su ANFIS. Hanno testato le capacità predittive di ciascun modello utilizzando dati reali da un sistema fotovoltaico reale implementato in Italia in uno studio precedente. I risultati, come osserva il Dr. Hu, sono stati molto promettenti: “Uno dei due modelli che abbiamo sviluppato ha superato tutti i modelli ibridi testati e quindi ha mostrato un grande potenziale per prevedere l’energia fotovoltaica dei sistemi solari sia a breve che a lungo termine. .”

I risultati di questo studio potrebbero avere implicazioni immediate nel campo dei sistemi fotovoltaici dal punto di vista del software e della produzione. “In termini di software, i nostri modelli possono essere trasformati in applicazioni che stimano con precisione i valori del sistema fotovoltaico, portando a prestazioni migliorate e funzionamento della rete. In termini di produzione, i nostri metodi possono tradursi in un aumento diretto della potenza fotovoltaica aiutando a selezionare variabili che possono essere utilizzato nella progettazione del sistema fotovoltaico”, spiega il dott. Hu. Speriamo che questo lavoro ci aiuti nella transizione verso fonti energetiche sostenibili!