Intermatica Point of View

Analisi energetica: 5 best case dell’ottimizzazione spiegano vantaggi e opportunità

Analisi energetica basata su modelli matematico-statistici inferenziali e sistemi previsionali super potenziati. Le testimonianze di SolarCity, Markedslabben, Statnett, Pöyry e, in Italia, la Rete di Trasmissione Nazionale

Pubblicato il 25 Ott 2021

Immagine Shutterstock

Analisi energetica, diagnostica e, più in generale, i sistemi di gestione dell’energia sono asset fondamentali per tutti gli operatori dell’Energy & Utilities. L’intero ecosistema costituito da produttori, distributori e fornitori di energia non solo deve rendere conto dei consumi energetici correnti ma deve anche essere in grado di prevedere quelli futuri sulla base dei vari scenari produttivi. La complessità del settore è nota: le fonti di energia continuano a proliferare e a diversificarsi. Le variabili da inserire nel computo dell’analisi energetica sono tantissime e richiedono una tempestività strategica. Per questo ottimizzare i calcoli matematico-statistici è diventato un must.

Il mondo dell’energia è decisamente data driven

Imprese energetiche e di servizi pubblici devono affrontare un’intensa pressione per promuovere la centralità e l’efficienza del cliente, riducendo i tempi di rilascio di nuovi prodotti e servizi. L’analisi energetica, dunque, è il volano di una gestione illuminata dai dati. Il problema non sta solo nella quantità di informazioni da gestire ma la velocità che serve alla diagnostica a supporto dei processi decisionali. Una piattaforma di ottimizzazione aiuta a risolvere:

  • la previsione della domanda e del carico
  • l’analisi energetica e le politiche di prezzo
  • il bilanciamento tra produzione e stoccaggio
  • l’onboarding dei clienti e la gestione del ciclo di vita
  • le operazioni interne (ad esempio la manutenzione predittiva)

Analisi energetica e ottimizzazione in 5 esempi

Per supportare al meglio l’analisi energetica e i processi decisionali conseguenti, moltissime aziende della filiera energetica hanno adottato sistemi avanzati di ottimizzazione. L’analisi energetica predittiva e prescrittiva tramite FICO Decision Management Suite, ad esempio, garantisce l’eccellenza operativa e una gestione più intelligente delle risorse a diverse aziende dell’Energia. Di seguito 5 casi di studio internazionali e 1 italiano.

#1 SolarCity ottimizza la distribuzione dell’energia solare

Con un portafoglio di oltre 285.000 clienti, SolarCity ora parte di TESLA è tra i più grandi fornitori di soluzioni per l’energia solare per utenti domestici negli Stati Uniti. Per consentire ai clienti di trovare il momento migliore per caricare e scaricare le batterie solari, massimizzando così il risparmio sui costi energetici, la direzione si è rivolta a FICO. Dopo aver creato un database contenente i dettagli della struttura dei costi di tutte le utility statunitensi, infatti, l’azienda ha scelto FICO Decision Management Suite.

La piattaforma considera tutte le variabili e i vincoli, determinando i periodi migliori per scaricare il sistema di accumulo di energia di ciascun cliente e ridurre la bolletta energetica.

SolarCity voleva anche fornire in rete in modo ottimale l’energia solare sfruttando la rete distribuita di batterie durante i periodi di picco della domanda.

L’obiettivo? Raccogliere l’energia inutilizzata, accumulata nelle batterie, aggregarla e venderla alle società di distribuzione locale o al mercato all’ingrosso, aiutando i clienti a generare ulteriori entrate cedendo il surplus della produzione di energia dei loro impianti e immettendo energia pulita nella rete quando è più necessaria.

Grazie a FICO Decision Management Suite la gestione della complessità della rete è stata potenziata integrando logiche di controllo dinamico nel profilo operativo delle batterie dei clienti.

Con FICO Xpress, il Solver Engine di Ottimizzazione, SolarCity sta utilizzando avanzati algoritmi di Ricerca Operativa per creare modelli di ottimizzazione che generano, in pochi minuti, simulazioni accurate della produzione di energia da migliaia di impianti.

In questo modo, SolarCity è in grado di valutare più variabili all’interno dei mercati, prendendo di conseguenza le decisioni più redditizie, rispetto all’andamento di quella domanda elettrica che varia ampiamente, in base ai cambiamenti del tempo, ai modelli stagionali dei consumatori e a molti altri fattori.

#2 Markedslabben massimizza la produzione eolica

Markedslabben è una startup norvegese specializzata nello sviluppo di soluzioni energetiche sostenibili.

Per ottimizzare la progettazione dei parchi eolici e potenziare la produzione di energia, riducendo al minimo i costi operativi, la direzione voleva intervenire sul layout per posizionare in modo ottimale le turbine considerando, per la prima volta, i vincoli di tercnico-economici di ogni pala eolica.

La sfida? Trovare la migliore disposizione possibile per ciascuna turbina risolvendo un problema con un alto grado di complessità combinatoria.

Il posizionamento di una turbina, infatti, non solo influisce essenzialmente sulla posizione di ogni altra turbina, ma va individuata tenendo conto di altri fattori come i parametri costruttivi, l’impatto visivo e ambientale, il rumore, la resa energetica e le reciproche interazioni di scia.

Mentre il software industriale in precedenza era in grado di massimizzare la resa energetica mediante algoritmi tradizionali, nessuno era stato in grado di incorporare vincoli di carico nell’ottimizzazione.

Ciò significa che consulenti e produttori passano molto tempo a controllare le soluzioni di layout per la conformità alle specifiche del carico e a mettere a punto i progetti manualmente.

Utilizzando FICO Decision Management Suite, il team Markedslabben ha sviluppato un esclusivo algoritmo di ottimizzazione chiamato WindFarmDesigns, che tenendo conto di tutti gli elementi relativi alle specifiche tecniche e alle interazioni tra le pale, integra anche i vincoli di carico per ottimizzare il layout dell’intero parco.

La soluzione permette inoltre di ridurre del 90% i tempi di progettazione dei layouts tenendo conto della conformità agli standard IEC per gli impianti eolici.

In sintesi possiamo ottenere un miglioramento del 2-5% della resa energetica e della redditività per i proprietari degli impianti con la possibilità di ridurre le emissioni di CO2 di milioni di tonnellate a livello globale ogni anno.

#3 Statnett presidia il fabbisogno energetico nel tempo

Statnett è l’operatore TSO del sistema energetico norvegese, possiede e gestisce la rete di trasmissione e mantiene l’equilibrio tra consumo energetico e produzione.

La Norvegia che è tra i maggiori produttori di energia al mondo, con una varietà di fonti energetiche, tra cui petrolio, gas, energia idroelettrica, eolica e bioenergia.

Statnett gestisce quasi 11.000 km di linee elettriche ad alta tensione in tutta la Norvegia ed è responsabile della creazione della rete principale di prossima generazione e della sicurezza dell’approvvigionamento energetico del futuro.

La società è responsabile di tutti i componenti che lavorano insieme per produrre e trasferire elettricità dalle centrali elettriche ai consumatori ed ha il compito di progettare e implementare la rete di prossima generazione e di garantire la sicurezza dell’approvvigionamento energetico del futuro.

La Norvegia, infatti, sta ora costruendo due nuovi cavi di interconnessione in modo da poter scambiare elettricità con il Regno Unito e la Germania.

Oltre a soddisfare la domanda di energia all’interno dei Paesi nordici su base oraria, Statnett deve manutenere l’infrastruttura energetica per soddisfare le esigenze del mercato futuro, comprendendo i futuri comportamenti di mercato legati ai prezzi dell’elettricità, decidendo a quali prezzi produrre e scambiare energia con gli altri Paesi, mantenendo sempre un equilibrio tra produzione e consumo.

La società, che ha avviato un piano di investimento 2018-2022 di quasi 4 MLD di Euro a supporto della rete elettrica, cercava una piattaforma per eseguire in tempi molto rapidi, modelli sofisticati di calcolo e di simulazione a supporto dei processi decisionali.

“In passato, il mercato dell’energia nordico era meno complesso – spiega Ivar Husevåg Døskeland, analista aziendale senior di Statnett -. Con un aumento degli scambi e una produzione più intermittente con l’incremento delle fonti rinnovabili, per ottenere risultati accurati siamo passati da effettuare cinque simulazioni alla settimana a ben 168! Per sostenere queste esigenze sono indispensabili soluzioni di Advanced Analytics e di una potenza di calcolo adeguata ad ottenere delle buone previsioni per il futuro”.

In precedenza Statnett utilizzava un solver engine freeware che non aveva la velocità indispensabile per supportare le attuali esigenze di complessità e dimensioni.

A seguito di un’analisi comparativa, Statnett ha scelto Xpress di FICO, passando così da una simulazione al mese ad una su base oraria.

“Abbiamo scelto FICO non solo perché ha una tecnologia eccellente ma anche perché si è dimostrata un partner di valore, molto coinvolto, comunicativo e trasparente” – sottolinea Døskeland -. Finalmente possiamo contare su di una soluzione che può essere ampiamente utilizzata in tutta l’organizzazione non solo dai data scientists ma anche da tutti i business users”.

#4 Pöyry fa previsioni a lungo termine delle fonti energetiche rinnovabili

Pöyry recentemente fusa con la società svedese Afry è una società di consulenza specializzata nel mercato dell’energia, con sede a Vantaa, in Finlandia.

La mission? Tracciare, monitorare, analizzare e prevedere il modo in cui i mercati dell’energia si svilupperanno nel tempo, aiutando le aziende a stare al passo con le mutevoli dinamiche del settore.

Per fornire previsioni accurate ed efficaci, Pöyry utilizza set di dati complessi, modelli ed analisi predittive a lungo raggio.

In questi casi occorre analizzare e prevedere le variazioni della domanda e dell’offerta per ogni fonte energetica (eolica, solare, idroelettrica, gas naturale, nucleare e carbone) i cui impatti si riverberano in tutto il mercato globale dell’energia.

Fino al 2005, la società finlandese gestiva questo processo utilizzando Excel.

Con l’aumentare delle quantità di dati, della richiesta di maggiore flessibilità nella gestione di parametri e dei diversi criteri uniti alla sempre maggiore complessità dei modelli si superano ampliamente i limiti di un foglio elettronico.

“Simulare come 2.000 centrali elettriche produrranno elettricità ogni ora del giorno per 365 giorni implica il computo di milioni di variabili e centinaia di migliaia di vincoli – precisa Andrew Nind, direttore di Pöyry -. La richiesta di aumentare la scala dei modelli e delle previsioni è passata da per Paese a paneuropea”.

Per superare i limiti dell’approccio esistente e aumentare la propria capacità di gestire problemi su larga scala e fare previsioni più accurate e in tempi molto rapidi, Pöyry si è rivolta alla tecnologia di ottimizzazione di FICO.

Una vasta gamma di robusti algoritmi di ottimizzazione di tipo Lineare, MILP o non Lineare aiutano oggi Pöyry a modellare con maggiore precisione e ad affrontare problemi di grande complessità.

Il miglioramento del tempo di esecuzione si è rivelato notevolmente vantaggioso sia in termini di aumento della produttività che di possibilità di ampliare l’ambito della modellazione in aree geografiche più ampie.

Il primo progetto in cui Pöyry ha utilizzato FICO Xpress Optimization è stato di ausilio ai clienti in Gran Bretagna e Irlanda per capire come la generazione eolica avrebbe cambiato i modelli di produzione di energia. Il progetto ha previsto l’impatto di una maggiore dipendenza dalle fonti di energia rinnovabile fino al 2030.

“È stato uno studio importante che è stato accolto molto bene e non sarebbe stato possibile prima di utilizzare Xpress – ha sottolineato Nind -. I modelli che una volta richiedevano 24 ore per essere risolti utilizzando fogli di calcolo e macro ora vengono eseguiti in soli 10 minuti.

#5 L’Italia per i futuri bisogni energetici usa modelli previsionali FICO molto avanzati

La Rete di trasmissione nazionale (RTN) italiana è gestita dal più grande TSO indipendente in Europa, che presidia oltre 74.000 km di linee elettriche ad alta tensione in tutto il Paese ed è responsabile del trasporto di energia elettrica e della interconnessione tra produttori e distributori in Italia e all’estero.

Per la pianificazione a medio e lungo termine gli operatori devono valutare sia l’affidabilità del sistema che le capacità operative in relazione agli investimenti previsti sulla infrastruttura di rete.

A seguito di un processo di selezione, è stato scelto FICO Xpress Optimizer come Solver Engine per la sua alta affidabilità per la sua capacità di scalare e fornire prestazioni con modelli di grandi dimensioni in tempi molto ridotti.

Xpress Optimizer è integrato nell’applicazione GRARE, una soluzione molto avanzata, realizzata con know-how interno del TSO.

GRARE è stato progettato per supportare l’analisi tecnica di reti elettriche ed è dedicato, tra l’altro, a definire i livelli ottimali della produzione di energia da fonti rinnovabili, alle analisi costi-benefici per gli investimenti in nuove infrastrutture di rete e di storage oltre che nelle capacità di interconnessione e nel dimensionamento di nuovi impianti.

Il sistema, avvalendosi delle performance del Solver, supporta i processi decisionali elaborando modelli previsionali relativi ai futuri bisogni energetici italiani con un orizzonte temporale di un anno con un’unità di tempo minima di un’ora.

@RIPRODUZIONE RISERVATA

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articolo 1 di 2