PRIMACC
Il sistema di previsione mensile delle ondate di calore e del carico delle linee MT interrate è uno strumento innovativo che integra previsioni meteo, intelligenza artificiale e dati di carico urbano per supportare la gestione delle reti elettriche durante eventi estremi. Basato su modelli ECMWF e tecniche avanzate come le CNN e Random Forest, consente previsioni probabilistiche affidabili sia delle temperature che del carico elettrico, migliorando la pianificazione preventiva e la resilienza delle infrastrutture urbane.
Il Sistema di previsione mensile delle ondate di calore e del carico di linee MT interrate è un prodotto innovativo sviluppato per migliorare la gestione delle reti di distribuzione elettrica, in particolare durante i periodi di ondate di calore. Il sistema consente la previsione a scala mensile delle ondate di calore e la valutazione dell’impatto atteso sul carico elettrico delle lineeinterrate in media tensione (MT). Si tratta di uno strumento innovativo che integra dati meteorologici, modelli previsionali, algoritmi avanzati di Intelligenza Artificiale e dati di carico sulle aree urbane. Questa combinazione consente di migliorare la prestazione delle previsioni, e supportare i gestori di rete nella pianificazione preventiva di azioni di mitigazione dei rischi legati alle alte temperature. Il sistema si basa sulle previsioni meteo mensili fornite dal Centro Europeo per le Previsioni Meteorologiche a Medio Termine (ECMWF). Queste previsioni vengono migliorate grazie all’uso di intelligenza artificiale, in particolare di reti neurali chiamate CNN (Convolutional Neural Network), che consentono di fare un post-processing delle previsioni meteo permettendo di migliorare la stima della temperatura fornita dai modelli. Il sistema integra anche un prototipo di previsione probabilistica mensile della temperatura, che classifica i valori previsti in tre categorie definite rispetto alla climatologia storica di riferimento: sotto la media, in media e sopra la media. Anche questo tipo di previsione viene elaborato sulla base della tecnica basata sulle CNN. Grazie a questo approccio probabilistico, il sistema fornisce una rappresentazione più dettagliata e affidabile delle condizioni meteorologiche future, supportando così decisioni operative più informate. Per quanto riguarda la previsione mensile del carico elettrico, il sistema utilizza anche in tal caso algoritmi di intelligenza artificiale basati su una tecnica Random Forest per prevedere il carico giornaliero sulla città di Milano. Questo modello considera i gradi giorno di riscaldamento e raffrescamento e la settimana dell'anno come predittori principali. Tale algoritmo è in grado di fornire una previsione probabilistica di carico per il mese successivo sull’area urbana milanese. Tale metodologia può essere generalizzata ad una qualsiasi area urbana di interesse in cui si abbiano a disposizione le serie storiche di carico sulla città.
Il sistema di previsione mensile delle ondate di calore e del carico sulle linee MT interrate offre numerose applicazioni strategiche. Supporta la gestione efficiente delle reti elettriche, aiutando a prevenire blackout e a pianificare la manutenzione. Migliora la pianificazione energetica, ottimizzando risorse e costi. Contribuisce alla mitigazione dei rischi, identificando le aree più vulnerabili durante le ondate di calore. Infine, fornisce un valido supporto decisionale, grazie a previsioni probabilistiche che aiutano a valutare scenari e adottare misure preventive. Gli utilizzatori principali del sistema includono:
- operatori delle reti di distribuzione elettrica: che possono utilizzare le previsioni per migliorare la gestione delle infrastrutture e prevenire guasti;
- enti di protezione civile e gestione delle emergenze: che possono utilizzare le previsioni per prepararsi meglio alle ondate di calore e mitigare i rischi associati;
- in sintesi, il Sistema di previsione mensile delle ondate di calore e del carico di linee MT interrate rappresenta uno strumento avanzato e versatile per migliorare la resilienza e l'efficienza delle reti di distribuzione elettrica, offrendo previsioni accurate con un orizzonte temporale su scala mensile e supporto decisionale per una gestione ottimale delle risorse energetiche.