L’eolico intelligente secondo Google: primi risultati dei test con reti neurali

L’intelligenza artificiale applicata all’eolico: è Google a sperimentare l’utilizzo di reti neurali per migliorare le prestazioni delle energie rinnovabili.

Il colosso di Mountain View – che, ricordiamo, ha già raggiunto l’obiettivo di alimentare le sue attività con il 100% di elettricità pulita – in un recente post sul suo blog ha comunicato i primi risultati emersi dai test iniziati lo scorso anno su 700 MW di parchi eolici negli Stati Uniti.

Impianti su cui Google sta facendo “girare” gli algoritmi di machine learning (apprendimento automatico) sviluppati da DeepMind, azienda inglese specializzata in sistemi d’intelligenza artificiale acquisita da Google nel 2014 (ora fa parte del gruppo Alphabet, creato nel 2015 da Sergey Brin e Larry Page).

L’obiettivo di questo progetto è gestire la variabilità produttiva dell’eolico: l’energia elettrica generata dalle turbine, infatti, è influenzata da diversi fattori ambientali e meteorologici che a loro volta determinano una maggiore o minore ventosità dei siti nei differenti periodi dell’anno.

Così, basandosi su una serie di dati storici e previsionali sulle condizioni meteo e sull’efficienza degli aerogeneratori, gli algoritmi di autoapprendimento neurale consentono di predire l’output elettrico effettivo di un dato parco eolico con circa 36 ore d’anticipo.

In pratica, chi gestisce un impianto è in grado di sapere quanta energia potrà essere immessa in rete il giorno seguente, quindi può pianificare con maggiore precisione il contributo della fonte eolica su base oraria-giornaliera, in modo da aumentare la stabilità e sicurezza delle forniture.

Secondo Google-DeepMind, finora gli algoritmi neurali hanno incrementato il valore dell’energia eolica di circa il 20% rispetto allo scenario baseline di riferimento senza l’applicazione dell’intelligenza artificiale, perché le previsioni accurate permettono di “seguire” molto più da vicino l’andamento della domanda elettrica. In altre parole: si riesce a capire quando è più conveniente vendere l’energia eolica alla rete, riducendo sprechi e inefficienze (ad esempio, si riduce la necessità di tagliare l’energia prodotta in eccesso dalle turbine nei periodi di bassa richiesta).