Cross Sectional Study - Finanzadimpresa

Impresa Certificata F-GAS
CAT. I - Reg. UE 2015/2067
FER Elettriche, Termoidraulica
Impresa Abiitata DM 37/08
Vai ai contenuti

Cross Sectional Study

Aree d'Intervento > Energie Alternative > Machine Learning
Gli esseri umani usano inconsciamente i circuiti di percezione-azione per fare praticamente tutto, da una semplice passeggiata lungo un marciapiede affollato al segnare un goal seguendo una strategia più complessa giocando ad esempio a calcio.

I cicli di percezione-azione, usando l'input sensoriale per decidere l'azione appropriata in un ciclo continuo in tempo reale, sono al centro dello studio dei sistemi di “Machine Learning” che ragionano (intelligenza artificiale) sulle azioni corrette da intraprendere direttamente dalle immagini provenienti ad esempio da una telecamera montata su un drone.

Sebbene la tecnologia moderna sia notevolmente migliorata nella capacità di utilizzare sensori e telecamere per ragionare sulle azioni di controllo, l'attuale generazione di sistemi autonomi è ancora lontana dall'abilità umana nel prendere queste decisioni direttamente dai dati visivi.

In ogni caso, stiamo vivendo tempi davvero entusiasmanti per l'industria della tecnologia sensoriale attuale.

La capacità di risolvere efficacemente tali circuiti di azione-percezione con software attentamente progettati per la localizzazione, mappatura e pianificazione potrà avere un impatto significativo in futuro sul mondo reale (soprattutto in ambienti fisici pericolosi, ma anche in normali operazioni di supporto nella vita quotidiana per persone bisognose di aiuto).

La sfida consiste nell’utilizzo di sistemi informatici che analizzino oltre alle immagini, anche ad esempio dati di misurazioni laser, feedback di suoni, etc… garantendo operazioni sicure ed affidabili.

D’altra parte, l’intelligenza artificiale è ormai parte integrante della nostra quotidianità: provare a capirne i principi del funzionamento, è quantomeno appassionante ed aiuta senza dubbio a migliorare la nostra interazione con gli strumenti che ci offre la tecnologia moderna e di cui, sempre di più, non possiamo fare a meno.

 
EOLICO E MACHINE LEARNING

 
È un esempio di quanto l’utilizzo della tecnologia in esame possa essere vantaggioso.
 

Tutto parte dall’assunto che i parchi eolici negli ultimi anni sono diventati un’importante fonte di energia “pulita”.
 

Ma la produzione di energia elettrica dal vento, mediante turbine, è una variabile incontrollabile.
 

La conseguenza è che quella eolica è considerata al momento una fonte di energia imprevedibile, quindi meno utile delle fonti capaci di erogare energia in modo continuativo.
 

In questo caso, l'intelligenza artificiale viene in aiuto per ottimizzare e rendere affidabile la gestione dell'energia prodotta dal vento.
 

Il lavoro è ancora in corso, ma i primi risultati sono incoraggianti.
 

Lo scorso anno il Gruppo Alphabet ha iniziato ad applicare algoritmi di apprendimento automatico ad alcuni parchi eolici negli Stati Uniti (mediamente generano elettricità sufficiente per soddisfare il fabbisogno di una città di medie dimensioni).
 

La prima mossa è stata quella di “istruire” l’Intelligenza Artificiale, caricando un database con le previsioni meteorologiche dell’area in cui sono situati i parchi eolici.
 

Sono poi stati aggiunti i dati storici e le caratteristiche tecniche delle turbine fornite dal Costruttore.
 

Il secondo passo è stato configurare il sistema in modo che potesse fare previsioni a breve termine sulla produzione di energia.
 

Sulla base di queste previsioni, il software è in grado di elaborare una pianificazione degli orari più adatti per l’erogazione della corrente sulla rete elettrica.
 

L’energia viene immagazzinata in sistemi di accumulo e pronta per essere erogata al meglio.
 

Così facendo, l’energia prodotta dai parchi eolici (imprevedibile) diviene una fonte di energia programmabile e può soddisfare la domanda.
 

Inoltre, consente la raccolta di una mole di dati interessanti che aiuteranno a valutare in modo più incisivo la resa delle macchine.
 

Non è da escludere che questo approccio di machine learning possa essere adottato in altri parchi eolici sparsi per il mondo, spingendo ancora di più verso questa fonte di energia “pulita”.
 

Alcuni ricercatori stanno anche valutando l’opportunità di applicarla a impianti misti di eolico e solare, per sfruttare al massimo ogni opportunità.


Torna ai contenuti