Gestione degli impianti fotovoltaici: IA e sensori possono davvero prevenire guasti e cali di rendimento?

Intelligenza Artificiale, Internet of Things, sensori, droni e rover entrano nella gestione degli impianti fotovoltaici. Nell’ambito del progetto MARTA, ENEA ha sviluppato una piattaforma per il monitoraggio e la diagnostica dei grandi impianti solari, capace di prevedere la produzione energetica con uno scarto di errore inferiore all’1% e di individuare tempestivamente anomalie e malfunzionamenti. Le soluzioni sono già utilizzate nelle attività di esercizio e manutenzione.

Monitoraggio intelligente degli impianti fotovoltaici: dati, sensori e AI per prevedere produzione e anomalie

La gestione degli impianti fotovoltaici sta diventando sempre più digitale, predittiva e basata sull’analisi dei dati. La crescente diffusione di grandi parchi solari rende infatti centrale non soltanto la capacità di produrre energia rinnovabile, ma anche quella di controllare in tempo reale lo stato degli impianti, prevederne la produzione e intervenire prima che un’anomalia si trasformi in un guasto o in una perdita significativa di energia.

È su questi aspetti che si è concentrato il progetto PON MARTA, acronimo di Monitoraggio e gestione Avanzata in Rete di impianti fotovolTAici, che ha visto ENEA impegnata come unico partner scientifico.

Il progetto ha portato allo sviluppo di applicazioni basate sull’integrazione tra Intelligenza Artificiale, machine learning e Internet of Things, con l’obiettivo di rendere più efficiente il funzionamento degli impianti fotovoltaici e migliorare le strategie di esercizio e manutenzione.

I risultati delle attività di ricerca sono stati pubblicati sulla rivista Energy and AI in uno studio firmato da ricercatori ENEA e dell’Università degli Studi di Napoli Federico II.

LEGGI ANCHE: Microinverter nel fotovoltaico residenziale: prestazioni reali, costi e quando sceglierli

Una piattaforma IoT per monitorare i grandi impianti fotovoltaici

Una delle principali applicazioni sviluppate riguarda i grandi impianti fotovoltaici installati a terra, infrastrutture caratterizzate da superfici molto estese e da un numero elevato di moduli da controllare. Per queste configurazioni è stata realizzata una piattaforma IoT destinata alla diagnostica dell’impianto e al monitoraggio dell'intero processo di produzione energetica.

L'obiettivo è duplice: da una parte migliorare l'affidabilità delle previsioni di produzione, particolarmente importante per una fonte energetica variabile come il solare; dall'altra individuare rapidamente guasti, cali prestazionali e anomalie, limitando le conseguenti perdite di energia.

Il sistema utilizza come base le informazioni ricavate dal monitoraggio dell'impianto e delle condizioni ambientali. A queste si aggiungono ulteriori dati provenienti da strumenti di ispezione e osservazione come droni, rover e sistemi satellitari.

Un approccio particolarmente utile nei grandi parchi fotovoltaici, dove le dimensioni dell’impianto rendono più complesse e onerose le attività di controllo tradizionali.

Come spiegato da Saverio De Vito, ricercatore del Laboratorio di Energia e Data Science del Dipartimento Tecnologie energetiche e fonti rinnovabili di ENEA, i dati costituiscono il cuore della piattaforma.

Il lavoro di ricerca ha riguardato anche lo sviluppo di sistemi AIoT, Artificial Intelligence of Things, soluzioni multisensoriali a basso costo per il controllo a livello del singolo pannello e algoritmi di intelligenza artificiale e machine learning dedicati all’analisi delle informazioni raccolte.

Previsioni della produzione fotovoltaica con errore inferiore all’1%

Uno degli elementi più rilevanti del progetto riguarda la capacità di prevedere a breve termine la produzione dell'impianto fotovoltaico. Per addestrare i modelli di intelligenza artificiale è stato utilizzato un dataset ampio, costruito anche attraverso i dati provenienti da una rete di impianti solari realmente in esercizio sul territorio italiano.

Secondo Gabriele Piantadosi, ricercatore ENEA e coautore dello studio, la disponibilità di una base dati proveniente da impianti reali ha rappresentato un elemento importante per lo sviluppo e l’addestramento dei sistemi previsionali.

Il risultato è una dashboard dedicata alla gestione degli impianti capace di fornire previsioni di produzione energetica a breve termine con uno scarto di errore inferiore all’1%.

La stessa piattaforma consente inoltre di evidenziare rapidamente eventuali scostamenti rispetto al comportamento atteso dell’impianto, facilitando l’identificazione di anomalie e criticità di funzionamento.

Per gli operatori questo significa disporre di uno strumento che integra in un unico ambiente dati ambientali, informazioni di produzione, risultati delle ispezioni e modelli previsionali, rendendo possibile una gestione più consapevole dell’asset energetico.

Intelligenza artificiale e manutenzione predittiva degli impianti solari

Il monitoraggio avanzato assume un'importanza particolare nelle attività di Operation & Maintenance, O&M, che rappresentano una componente rilevante nella gestione economica degli impianti a fonti rinnovabili.

Come evidenziato da Girolamo Di Francia, referente scientifico del progetto MARTA e responsabile del Laboratorio ENEA Energia e Data Science, le attività di esercizio e manutenzione incidono in maniera significativa sui costi del settore. Anche le coperture assicurative legate al funzionamento degli impianti sono diventate una componente economica importante.

La possibilità di prevedere anomalie, ottimizzare gli interventi manutentivi e limitare le perdite di produzione assume quindi un interesse diretto per proprietari, gestori e operatori del settore fotovoltaico.

In questa prospettiva, l’intelligenza artificiale non viene utilizzata soltanto per elaborare grandi quantità di dati, ma come strumento a supporto di una gestione progressivamente più predittiva degli impianti. Il passaggio è significativo: dalla manutenzione eseguita dopo il manifestarsi del problema a strategie fondate sul riconoscimento anticipato degli scostamenti prestazionali e sulla programmazione più mirata degli interventi.

Le applicazioni sono già utilizzate nelle attività O&M

Le tecnologie sviluppate nel progetto MARTA hanno già trovato un'applicazione operativa. Le soluzioni sono state infatti integrate nelle attività di esercizio e manutenzione di TeaTek, azienda industriale capofila del progetto, trasferendo quindi i risultati della ricerca all'interno di processi reali di gestione degli impianti fotovoltaici. Il progetto non si è tuttavia concentrato esclusivamente sui grandi parchi solari.

Le attività hanno riguardato anche gli impianti fotovoltaici residenziali di piccola taglia, per i quali è stata realizzata un'applicazione capace di mettere in relazione le previsioni ricavate da modelli consolidati con i dati effettivi di produzione.

Il confronto consente di valutare l'andamento delle prestazioni nel tempo e di individuare eventuali variazioni rispetto al funzionamento atteso.

In questo modo, l’approccio sviluppato nell’ambito di MARTA può trovare applicazione lungo scale molto diverse: dai grandi impianti fotovoltaici a terra, caratterizzati da migliaia di moduli e da attività di manutenzione complesse, fino ai sistemi residenziali, dove l’analisi dei dati può contribuire a verificare l'efficienza dell'impianto e l'evoluzione delle sue prestazioni.

Dal monitoraggio alla gestione intelligente del fotovoltaico

Il progetto MARTA mostra come la digitalizzazione possa incidere concretamente sulla gestione degli impianti da fonti rinnovabili. Sensori distribuiti, piattaforme IoT, immagini raccolte da droni e rover, informazioni satellitari e algoritmi di intelligenza artificiale possono essere combinati per costruire una conoscenza più dettagliata del comportamento dell’impianto.

La disponibilità di questi dati consente di migliorare le previsioni della produzione, individuare più rapidamente i malfunzionamenti e programmare con maggiore precisione le attività di manutenzione.

Con la crescita della capacità fotovoltaica installata, la sfida non riguarda infatti soltanto la realizzazione di nuovi impianti, ma anche la capacità di conservarne nel tempo efficienza, affidabilità e continuità di produzione.

In questo scenario, intelligenza artificiale e IoT possono diventare strumenti sempre più rilevanti per trasformare la manutenzione degli impianti fotovoltaici da attività prevalentemente reattiva a processo continuo di analisi, previsione e ottimizzazione.

FAQ TECNICHE: AI nel fotovoltaico: previsioni con errore inferiore all’1%

1. Che cosa significa applicare l’intelligenza artificiale agli impianti fotovoltaici?

Significa utilizzare algoritmi capaci di elaborare dati di produzione, informazioni meteorologiche, misure dei sensori e risultati delle ispezioni per riconoscere pattern e scostamenti dal comportamento atteso. Nel progetto MARTA questi sistemi supportano sia la previsione della produzione sia la diagnostica.
L’AI non sostituisce le verifiche tecniche, ma fornisce strumenti decisionali aggiuntivi per gestione e manutenzione.

2. In quali impianti può essere applicato il monitoraggio basato su AI e IoT?

L’approccio è particolarmente rilevante nei grandi impianti fotovoltaici a terra, dove estensione del campo e numero di moduli rendono onerose le ispezioni tradizionali.
Il progetto considera anche impianti residenziali di piccola taglia, confrontando produzione effettiva e produzione attesa.
Architettura dei sensori e granularità del monitoraggio devono essere dimensionate in funzione dell’impianto.

3. Quali norme riguardano il monitoraggio e la manutenzione degli impianti fotovoltaici?

Il riferimento principale per il monitoraggio delle prestazioni è la CEI EN IEC 61724-1, relativa a terminologia, apparecchiature e metodi per monitorare e analizzare le prestazioni dei sistemi FV.  Per documentazione, prove, verifiche e manutenzione sono pertinenti le parti della serie CEI EN IEC 62446.
L’applicabilità della specifica edizione deve essere verificata rispetto al progetto e alla data dell’intervento.

4. Quali vantaggi offre la manutenzione basata sull’analisi dei dati?

Il principale vantaggio è la possibilità di individuare rapidamente deviazioni rispetto alla produzione attesa e indirizzare gli approfondimenti sulle porzioni di impianto che presentano comportamenti anomali.
Questo può rendere più mirata la pianificazione delle attività O&M e ridurre i tempi necessari per individuare criticità.

5. Come si progetta un sistema di monitoraggio per un grande parco fotovoltaico?

La progettazione parte dalla definizione delle grandezze da acquisire, della frequenza di campionamento, della qualità dei sensori e della granularità con cui si vuole analizzare l’impianto. La CEI EN IEC 61724-1 costituisce un riferimento tecnico per terminologia, attrezzature e metodi di monitoraggio prestazionale.
Occorre inoltre definire validazione, sincronizzazione e storicizzazione dei dati, oltre alle modalità di integrazione con SCADA, dashboard e sistemi O&M.

Fonte: ENEA