AI per la gestione dell’energia: un’opportunità che va compresa

L’applicazione dell’AI per la gestione dell’energia può creare opportunità significative per accelerare la decarbonizzazione in vari settori, tra cui trasporti, edilizia, industria e agricoltura.

Da tempo sta diventando un aspetto sempre più importante per quasi tutte le discipline ingegneristiche e ogni campo può sfruttarla a proprio vantaggio. Tuttavia, permangono barriere per una sua diffusione, unite alle preoccupazioni per i consumi legati all’intelligenza artificiale, oltre che su privacy e sicurezza informatica.

Su tutti questi aspetti ha lavorato FIRE, realizzando “Intelligenza artificiale per la gestione dell’energia”. Lo studio, frutto di un anno dedicato all’osservazione delle tendenze, delle barriere, delle applicazioni, delle politiche e del potenziale chiarisce innanzitutto cosa sia l’AI e illustra diversi aspetti di interesse, specie nel campo energetico. E rileva un deciso interesse motivato dalle potenzialità applicative nell’energy management. Sono molti i soggetti che stanno esplorando le applicazioni di intelligenza artificiale. Sia i fornitori di tecnologia che gli utenti finali identificano l’analisi dei dati basata sull’IA, gli strumenti di machine learning e l’automazione basata sull’IoT come essenziali per migliorare la gestione dell’energia. Ma permangono sfide e vincoli da superare per una reale comprensione dell’AI e una sua più fattiva diffusione.

Investimenti e consumi

Per comprendere quale impatto avrà l’AI sulla gestione dell’energia è bene partire dal volume degli investimenti. A livello globale sono in costante crescita: nel 2013 gli investimenti aziendali in AI assommavano a 14,57 miliardi di dollari e nel 2024 hanno raggiunto i 252,33 miliardi (con una punta di oltre 360 miliardi nel 2021).

Questa corsa all’AI implica una necessità di potenza di calcolo e di infrastrutture dedicate in crescita e, di conseguenza, un aumento dei consumi. Resta da comprendere a che livello arriveranno.

A questo proposito, il direttore di FIRE, Dario di Santo, ha illustrato la questione, nel corso della presentazione dello studio. Ha spiegato che gli scenari di crescita dei consumi energetici dell’AI rientrano in un incremento sensibile. In accordo con le stime IEA e di altri soggetti al 2030 si attende un moltiplicatore dell’incremento di consumo legato all’intelligenza artificiale compreso tra due e tre. Per l’Italia tale stima è in linea con le indicazioni del PNIEC e corrisponde a una potenza installata compresa tra 1,8 e 4 GW.

I risparmi energetici promossi dall’uso dell’IA

Tuttavia, l’AI può contribuire a ridurre i consumi, usando meglio l’energia, a partire dalla previsione di consumi e da un’analisi mirata e dall’individuazione di opportunità di efficientamento, al monitoraggio “intelligente” all’ottimizzazione dei consumi nei data center.

Lo studio mostra sviluppi in linea con gli obiettivi dell’UE per la decarbonizzazione e la neutralità climatica entro il 2050. I risparmi energetici promossi dall’uso dell’IA potrebbero attestarsi fra i 20 e i 40 TWh, ma ovviamente richiedono politiche efficaci per trasformarsi in realtà. 

Come illustrato dallo stesso di Santo, «per favorire una diffusione sostenibile dell’AI e raccoglierne i potenziali frutti energetici servono politiche opportune. Occorre promuovere la riduzione dei consumi tramite l’adozione dell’AI presso le imprese (attraverso misure come Transizione 5.0 e Certificati bianchi), enti pubblici e famiglie (con strumenti come Conto Termico e detrazioni fiscali). Servono politiche adeguate anche per rendere più efficienti i data center, nuovi ed esistenti, oltre che per stimolare l’adeguamento delle reti elettriche e la generazione da rinnovabili».

Servono infine, politiche idonee per favorire ricerca e sviluppo di soluzioni, attraverso programmi UE, e per promuovere la qualificazione, la formazione e le competenze, a partire dalla scuola dell’obbligo.

Necessità di politiche

Sebbene le strategie esistenti, come il Green Deal europeo e il programma Europa digitale, promuovano già le tecnologie digitali e pulite in tutti i settori, il report evidenzia la necessità di azioni più mirate e specifiche per settore. In particolare, le politiche future dovrebbero proporre la creazione di incentivi nazionali e regionali per i progetti di efficienza energetica basati sull’intelligenza artificiale, in particolare per le Pmi, che spesso non dispongono delle risorse per l’adozione.

Sono, inoltre, essenziali programmi di formazione su misura per i professionisti dell’energia, crediti d’imposta per gli investimenti nell’IA relativi al risparmio energetico e lo sviluppo di sistemi standardizzati per l’uso responsabile dell’IA nelle infrastrutture critiche.

Inoltre, l’istituzione di spazi di sperimentazione normativa, la disponibilità di dati energetici ad accesso aperto e fondi dedicati all’innovazione potrebbero consentire la sperimentazione, garantendo nel contempo l’allineamento con gli obiettivi climatici e i principi di sovranità digitale.

AI per la gestione dell’energia: a che punto è l’Italia

Per comprendere a che punto siamo in Italia con l’implementazione dell’AI per la gestione dell’energia, l’analisi condotta da FIRE ha posto l’accento sull’adozione di sistemi di intelligenza artificiale per l’efficienza energetica da parte di fornitori tecnologici, esperti del settore e aziende utilizzatrici di media-grande dimensione. Secondo quanto emerso dall’indagine, il 38% delle aziende ha già implementato sistemi AI dedicati, mentre il 56% sta valutando di farlo nei prossimi anni. Certo, in questa analisi mancano le Pmi, che sappiamo essere la stragrande maggioranza del tessuto produttivo italiano, ma è comunque rappresentativo per evidenziare, ancora una volta, che l’AI è applicata in svariati settori.

Restando al campo della gestione energetica, l’indagine ha permesso di delineare le soluzioni più utilizzate. La prima riguarda l’analisi dei dati supportata dall’intelligenza artificiale (54%), seguita dai dispositivi abilitati al machine learning (50%) e dagli strumenti di analisi dei big data (46%).

Le soluzioni di intelligenza artificiale personalizzate (24%) e altre applicazioni di nicchia hanno un uso limitato. Le piattaforme di intelligenza artificiale generativa generiche come ChatGPT, Claude e Gemini sono moderatamente popolari (42%).

Intelligenza energetica per l’energy management: applicazioni concrete

A proposito di applicazioni concrete dell’AI per la gestione dell’energia, come il monitoraggio e automazione dei sistemi HVAC, la tecnologia utilizzata vede l’impiego sono le reti neurali per analizzare e ottimizzare il consumo di energia. Un esempio illustrato da Yasaman Meshenchinezhad, energy efficiency specialist di FIRE e autrice dello studio, vede l’impiego di neural network per ridurre il consumo degli impianti di climatizzazione, mantenendo comunque il comfort degli occupanti.

Altra applicazione concreta vede l’impiego di machine learning per l’ottimizzazione dei consumi energetici. L’esempio delle smart grid, le reti elettriche intelligenti che impiegano ML per ottimizzare la distribuzione dell’energia in tempo reale, è rappresentativo. Questi sistemi analizzano dati storici e attuali per prevedere il fabbisogno energetico e minimizzare gli sprechi, gestendo meglio le risorse. Per esempio, un’azienda può ridurre i picchi di consumo, attivando o disattivando certi macchinari in base alle previsioni generate dal modello di machine learning.

C’è anche la possibilità concreta di impiego dei Large Language Models (LLM) per automatizzare l’analisi dei report energetici e rispondere a domande da parte degli operatori di sistema, come per esempio, utilizzando un chatbot, utilizzabile per fornire risposte sullo stato attuale dell’infrastuttura energetica o suggerire miglioramenti sulla base dei dati storici.

È possibile anche utilizzare modelli di deep learning per prevedere la domanda energetica a breve e a lungo termine, in base a un ampio volume di dati storici e real time, oppure ancora l’adozione di DL per prevedere la produzione energetica da fonti rinnovabili intermittenti, come fotovoltaico ed eolico.

I benefici concreti dell’uso dell’AI e le sfide

La stessa analista FIRE ha presentato il lavoro di indagine per capire anche quali benefici concreti siano stati riscontrati con l’uso dell’AI. «Il principale beneficio emerso è l’aumento dell’affidabilità, a seguire la riduzione dei costi, l’aumento dell’efficienza energetica e la riduzione degli sprechi, la sostenibilità». Tra i vantaggi viene segnalato anche il suo potenziale per contribuire alla decarbonizzazione e alla transizione energetica.

Non mancano, nella disamina, le sfide e ostacoli emersi, vi sono i costi, la mancanza di risorse umane adeguate, la sicurezza dei dati, l’integrazione con infrastrutture esistenti. Non mancano anche – tra i contro – questioni di cyber security, i costi di ricerca e sviluppo, le limitazioni tecniche e lo scetticismo e diffidenza verso l’AI. La resistenza al cambiamento è un altro degli ostacoli più difficili da superare.

Da qui si è partiti per approntare un percorso operativo per iniziare con l’AI. Il primo punto è di identificare un bisogno reale, inoltre occorre categorizzare l’uso dell’AI (basic / intermediat / advanced), serve anche un coinvolgimento della leadership e un change management, oltre alla necesità di valorizzare le competenze umane, verificare la data readiness (in termini di pulizia dei dati e di una struttura adeguata), operare un check dell’infrastruttura hardware e verificare i gap. In tutto questo percorso è altrettanto importante coinvolger esperti e partner esterni e infine avviare un progetto pilota e scalare.

Per arrivare a operare con l’AI sono fondamentali i dati. Per questo è bene verificare la loro quantità e qualità, oltre che l’affidabilità. In questo percorso è altrettanto importante farsi aiutare da esperti.

FAQ AI per la gestione dell’energia

Cos’è l’intelligenza artificiale?

L’AI è un campo della tecnologia che permette a macchine e computer di svolgere che solitamente richiedono l’intelligenza umana. Questi compiti includono il riconoscimento delle immagini, il linguaggio, il processo decisionale e l’apprendimento da esperienze.

Dove è possibile applicare l’AI nella gestione dell’energia?

L’intelligenza artificiale, come spiega FIRE nel proprio studio, svolge un ruolo cruciale nel migliorare l’efficienza energetica industriale attraverso la manutenzione predittiva, la previsione della domanda e l’ottimizzazione del sistema.

Tecniche come machine learning e deep learning sono ampiamente utilizzate per analizzare i modelli di consumo, ottimizzare l’uso dell’energia ed evitare guasti alle apparecchiature. Le reti neurali artificiali (ANN) e le SVM (Support Vector Machines) sono particolarmente efficaci per la previsione della domanda di energia, mentre le tecniche di ottimizzazione come gli algoritmi genetici e l’ottimizzazione dello sciame di particelle (PSO) contribuiscono all’efficienza dei costi e delle risorse. L’integrazione dell’intelligenza artificiale con l’IoT e i sistemi basati su droni consente la diagnostica in tempo reale e le strategie di manutenzione proattive.

A quanto ammonta la domanda di energia dei data center, principali infrastrutture per l’AI?

I data center di tutto il mondo hanno consumato circa 415 TWh nel 2024, pari a circa l’1,5% della domanda globale di elettricità, con i carichi di lavoro dell’intelligenza artificiale che rappresentano il 10-20% di questo utilizzo. Il consumo energetico dei data center in Italia si è attestato a 4,5 TWh nel 2024, con l’AI responsabile del 15-20% di tale domanda. Le proiezioni indicano un forte aumento entro il 2030, con il raddoppio dei consumi in Italia a 9-12 TWh e i carichi di lavoro dell’intelligenza artificiale che superano il 20% del carico dei data center. Questo aumento si ripercuote a livello globale, con l’Europa e gli Stati Uniti in cui sono attesi tassi di crescita simili o superiori (Fonte: FIRE).

Consiglia questo approfondimento ai tuoi amici

Commenta questo approfondimento