La Germania ha adottato un sistema di intelligenza artificiale per velocizzare la rivoluzione delle energie rinnovabili e per far fronte all’irregolare produzione di energia eolica e solare.
Le fonti di energia rinnovabili come il vento ora forniscono circa un terzo dell’elettricità della Germania.
File di imponenti turbine eoliche e legioni di scintillanti pannelli solari sparsi in tutto il territorio tedesco sono i sorprendenti emblemi di come il Paese si stia denuclearizzando, passando ad energia a basso tenore di carbonio. Ma anche se la Germania è il manifesto nel mondo per le energie rinnovabili, le sue griglie devono ancora fronteggiare l’irregolare natura dell’energia eolica e solare.
Nel mese di giugno, i meteorologi tedeschi, gli ingegneri e le imprese hanno cominciato a verificare se i dati medi e i sistemi di apprendimento automatici riescono a rendere queste fonti di energia più gestibili.
“Per far funzionare la rete in modo efficiente e mantenere le riserve fossili al minimo, gli operatori hanno bisogno di prevedere in qualsiasi momento di quanta energia eolica e solare dispongono”, spiega Malte Siefert, leader di un progetto denominato EWeLiNE, e fisico presso l’Istituto Fraunhofer per l’energia eolica e le tecnologie energetiche del sistema di Kassel, in Germania.
Con circa 45.000 megawatt, la capacità eolica della Germania è la terza più grande al mondo, dietro Cina e Stati Uniti. La Germania è superata solo dalla Cina per la capacità solare. Ma il ritmo di trasformazione del Paese in energie rinnovabili e le sue ambizioni non hanno eguali. Le fonti rinnovabili forniscono ora circa un terzo dell’energia elettrica nazionale e il governo ha promesso che entro il 2050, almeno l’80% dell’energia elettrica del Paese arriverà da fonti rinnovabili.
Il problema è che nei giorni di “bonaccia e nuvole”, i gestori di rete hanno ancora bisogno di chiamare le centrali convenzionali per soddisfare il fabisogno programmato. E nelle giornate insolitamente soleggiate e ventose – come ad esempio l’8 maggio, quando per circa 4 ore l’energia eolica e solare generata superava il 90% dell’energia elettrica consumata in tutta la Germania – si dovevano rapidamente ordinare alle centrali a carbone e a gas di ridurre la loro produzione per timore che un afflusso di maggior potenza ‘congestionasse’ la griglia e aumentasse il rischio di guasti.
Tali richieste costano ai clienti tedeschi più di 500 milioni di euro (US $ 553 milioni) in un anno, perché i gestori di rete devono risarcire le imprese di pubblic utility per gli adeguamenti delle loro emissioni che rischiano anche di generare energia in eccesso che alla fine viene sprecata. “E’ piuttosto una preoccupazione che l’energia rinnovabile qui si stia espandendo così velocemente, senza una base di dati adeguata in tempo reale sui flussi “, afferma Renate Hagedorn, un meteorologo del servizio meteorologico tedesco di Offenbach.
L’Occhio del ciclone
I modelli meteorologici standard prevedono la forza e tempi di arrivo delle tempeste e i fronti atmosferici in una data regione. Ma non possono, per esempio, prevedere la forza del vento in corrispondenza del mozzo di una turbina, che determina la quantità di potenza che la turbina produrrà. Il progetto EWeLiNE di € 7 milioni, una collaborazione che comprende i tre principali operatori di rete – 50Hertz, Amprion e TenneT – e che è finanziata dal ministero federale per gli affari economici e dell’energia, dal 2012 fornisce le previsioni di carico specifiche per soddisfare le esigenze dei gestori di rete.
La maggior parte delle turbine eoliche sono dotate di dispositivi che misurano la velocità del vento al loro hub, e alcuni pannelli solari contengono dei sensori per misurare l’intensità di luce solare. EWeLiNE combina questi dati con altre osservazioni atmosferiche – rilevate dalle stazioni terrestri meteo, radar e satellitari – e attraverso sofisticati modelli computerizzati prevede la produzione di energia nel corso delle 48 ore successive. Il team controlla queste previsioni elettriche rispetto a ciò che nella realtà si materializza, e l’apprendimento automatico migliora poi i modelli di previsione.
I ricercatori EWeLiNE hanno iniziato a testare il mese scorso il loro sistema, utilizzando i dati provenienti dai pannelli solari e dalle turbine eoliche di tutta la Germania. Alla fine, l’idea dei gestori di rete è quella di utilizzare le previsioni per poter gestire il fabisogno richiesto. Ma ben pochi sistemi eolici e strutture solari sono impostati per trasmettere i dati in tempo reale, quindi i risultati non possono ancora essere utilizzati per regolare la quantità di energia prodotta. In due anni, EWeLiNE prevede di essere in grado di trasmettere in tempo reale i dati della maggior parte degli impianti eolici e solari di tutta la Germania.
Si sono già avuti riscontri positivi che il sistema funziona. Il National Center for Atmospheric Research (NCAR) di Boulder, Colorado, ha iniziato a usare un sistema simile nel 2009, che ora è ormai operativo in otto stati degli Stati Uniti. A Xcel Energy, l’azienda di servizio con la più alta capacità eolica totale negli Stati Uniti, il numero di errori di previsione dal 2009 è sceso, facendo risparmiare ai clienti circa 60 milioni US $ e riducendo le emissioni annue di CO2, delle centrali fossili di riserva, di più di un quarto di un milione di tonnellate all’anno.
Linkografia:
http://www.nature.com/news/germany-enlists-machine-learning-to-boost-renewables-revolution-1.20251
